Probabilidad y Estadistica Elementales PDF

Probabilidad y Estadstica Elementales
para Estudiantes de Ciencias
Ricardo A. Maronna
Facultad de Ciencias Exactas
Universidad Nacional de La Plata
Prefacio
Es magnfico aprender con quien no sabe.

Mario Benedetti: Gracias por el Fuego
Este libro es una introducci on a las ideas basicas de la Teora de Probabilidad y la Es-
tadstica, destinado a estudiantes de Ciencias Exactas, Informatica e Ingeniera, con un
buen conocimiento de An
alisis de una variable y de Algebra elemental, y algunas nociones
de An alisis de varias variables. He procurado enfatizar la forma correcta de encarar los
problemas, ya que muchos a nos de ensenanza y de pr actica me han convencido de la inu-
tilidad de las recetas, y de que lo unico que realmente sirve es la correcta percepci on de los
problemas y de las posibles vas de acci on.
La Teora de Probabilidad tiene la enga nosa caracterstica de que resultados intuiti-
vamente plausibles tienen demostraciones que requieren conocimientos avanzados de Matem atica
(la llamada Teora de la Medida). En este libro he procurado seguir un camino interme-
dio, demostrando lo que se pueda probar a nivel elemental, e indicando los casos en que
esto no es posible.
Los ejercicios son una parte importante del curso: contienen ejemplos y material com-
plementario, y, especialmente, sirven para que el lector compruebe su comprensi on de la
teora, y desarrolle su habilidad para pensar correctamente por su cuenta, lo que debiera
ser el objeto u ltimo de toda ense nanza.
Este libro es el resultado de muchos a nos de ensenar Probabilidad y Estadstica, en las
Universidades Nacionales de Buenos Aires y de La Plata, y en la E.S.L.A.I. (Escuela Supe-
rior Latinoamericana de Inform atica), cuyos alumnos han contribuido con sus comentarios
no siempre elogiosos al mejoramiento de mis cursos.
Abreviaturas: El smbolo se usar a para indicar el fin de una demostraci on. Los
numeros entre corchetes (como [8]) indican las referencias bibliogr aficas al final del libro.
Un asterisco (*) indica las secciones que se pueden omitir sin afectar la continuidad de la
lectura.
Dedico este libro a Susana Estela, Liliana Litvin y Rosa Wachenchauzer, que siempre
me han impulsado a dar un paso m as adelante.
La Plata, Octubre de 1995.
i
ii
Indice
I PROBABILIDAD 1
1 Espacios de Probabilidad 3
1.1 Los axiomas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Experimentos con resultados equiprobables . . . . . . . . . . . . . . . . . . 6
1.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Probabilidad Condicional e Independencia 13

2.1 Relaciones entre dos eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Modelos basados en probabilidades condicionales . . . . . . . . . . . . . . . 15
2.2.1 Un modelo para tiempos de espera . . . . . . . . . . . . . . . . . . . 16
2.3 Independencia de varios eventos . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4 El esquema de Bernouilli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5 La aproximacion de Poisson y sus aplicaciones . . . . . . . . . . . . . . . . . 21
2.5.1 El proceso de Poisson espacial . . . . . . . . . . . . . . . . . . . . . . 21
2.5.2 El proceso de Poisson temporal . . . . . . . . . . . . . . . . . . . . . 22
2.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3 Variables Aleatorias 27
3.1 Distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.1 Distribuciones discretas . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.2 Distribuciones continuas . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1.3 Mezclas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Transformaciones de variables aleatorias . . . . . . . . . . . . . . . . . . . . 34
3.2.1 Aplicaciones a simulaci on . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3 Distribuci
on conjunta de varias variables . . . . . . . . . . . . . . . . . . . . 37
3.4 Independencia de variables aleatorias . . . . . . . . . . . . . . . . . . . . . . 40
3.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4 Valor Medio y Otros Par ametros 45

4.1 Valor medio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.1 Media de funciones de variables aleatorias . . . . . . . . . . . . . . . 46
iii
iv INDICE
4.1.2 Media de una suma . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.1.3 Media de un producto . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.1.4 Algunas desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Media de las distribuciones m as usuales . . . . . . . . . . . . . . . . . . . . 49
4.3 Varianza y desviacion tpica . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Varianzas de las distribuciones m as usuales . . . . . . . . . . . . . . . . . . 54
4.5 Otros parametros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.1 Cuantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.2 Par ametros de posici on . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.5.3 Par ametros de dispersi on . . . . . . . . . . . . . . . . . . . . . . . . 58
4.5.4 Asimetra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.5.5 Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5 Transformaciones de Variables Aleatorias 63

5.1 Suma de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.1.1 Suma de variables Gama . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.1.2 Suma de normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1.3 Combinaciones lineales de variables Cauchy . . . . . . . . . . . . . . 65
5.2 Otras funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.1 Distribuci on del cociente . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.2 Distribuciones del m aximo y el mnimo . . . . . . . . . . . . . . . . 66
5.3 Distribuci
on de transformaciones de variables . . . . . . . . . . . . . . . . . 67
5.3.1 Un metodo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.3.2 Aplicaci on: normales en coordenadas polares . . . . . . . . . . . . . 68
5.4 La distribuci
on normal bivariada . . . . . . . . . . . . . . . . . . . . . . . . 68
5.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6 Distribuciones Condicionales y Predicci on 73

6.1 Distribuciones condicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2 Predicci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.1 Predicci on lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.2 Predicci on general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7 Teoremas Lmites 83
7.1 Ley de Grandes N umeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.2 Teorema Central del Lmite . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.3 Aplicaciones del Teorema Central del Lmite . . . . . . . . . . . . . . . . . . 86
7.3.1 Aproximaci on normal a la binomial . . . . . . . . . . . . . . . . . . . 86
7.3.2 Aproximaci on normal a la Poisson . . . . . . . . . . . . . . . . . . . 87
7.3.3 Movimiento browniano . . . . . . . . . . . . . . . . . . . . . . . . . . 87
7.3.4 Tama nos de piedras . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
INDICE v
7.4 Convergencia en distribuci on y en probabilidad . . . . . . . . . . . . . . . . 88

7.4.1 Convergencia de funciones de variables aleatorias . . . . . . . . . . . 89
7.4.2 Relaciones entre los dos tipos de convergencia . . . . . . . . . . . . . 89
7.4.3 *Demostraci on de la aproximaci on normal a la Poisson . . . . . . . . 91
7.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II ESTADISTICA 93
8 Descripci
on de una Muestra 95
8.1 Resumenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
8.1.1 Media y varianza muestrales . . . . . . . . . . . . . . . . . . . . . . 95
8.1.2 Diagrama de tallo y hoja . . . . . . . . . . . . . . . . . . . . . . . . 96
8.1.3 Cuantiles muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.1.4 Diagrama de caja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.2 La forma de la distribucion . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
8.2.1 Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
8.2.2 Diagrama de cuantiles . . . . . . . . . . . . . . . . . . . . . . . . . . 99
8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9 Estimacion Puntual 105

9.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
9.2 Metodos de estimacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9.2.1 Estimaci on de un par ametro . . . . . . . . . . . . . . . . . . . . . . 107
9.2.2 Transformaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
9.2.3 Evaluaci on de estimadores . . . . . . . . . . . . . . . . . . . . . . . . 110
9.2.4 Estimaci on de varios par ametros . . . . . . . . . . . . . . . . . . . . 111
9.3 El modelo de medici on con error . . . . . . . . . . . . . . . . . . . . . . . . 112
9.3.1 Varianzas distintas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.3.2 Estimaci on robusta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.3.3 Sobre los motivos del uso de la distribuci on normal . . . . . . . . . . 114
9.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
10 Intervalos de Confianza 117

10.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
10.2 El principio del pivote . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
10.2.1 Media de la normal con varianza conocida . . . . . . . . . . . . . . . 119
10.2.2 Varianza de la normal con media conocida . . . . . . . . . . . . . . . 119
10.2.3 Intervalos para la exponencial . . . . . . . . . . . . . . . . . . . . . . 120
10.3 Intervalos para la normal con y desconocidas . . . . . . . . . . . . . . . 120
10.4 Un metodo robusto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
10.5 Intervalos aproximados para la binomial . . . . . . . . . . . . . . . . . . . . 123
10.6 Intervalos aproximados para la Poisson . . . . . . . . . . . . . . . . . . . . . 125
vi INDICE
10.7 Comparaci on de dos muestras . . . . . . . . . . . . . . . . . . . . . . . . . . 126

10.7.1 Dos muestras independientes . . . . . . . . . . . . . . . . . . . . . . 126
10.7.2 Varianzas distintas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
10.7.3 Muestras apareadas . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
10.8 Intervalos de tolerancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
10.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
11 Tests de Hip otesis 133

11.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
11.2 Un metodo para la obtenci on de tests . . . . . . . . . . . . . . . . . . . . . 135
11.2.1 *Relaci on entre tests e intervalos de confianza . . . . . . . . . . . . . 136
11.3 Potencia y tama no de muestra . . . . . . . . . . . . . . . . . . . . . . . . . 137
11.3.1 Tests para la media de la normal . . . . . . . . . . . . . . . . . . . . 137
11.3.2 Tests para la binomial . . . . . . . . . . . . . . . . . . . . . . . . . . 138
11.4 Comparaci on de dos muestras . . . . . . . . . . . . . . . . . . . . . . . . . . 139
11.4.1 Muestras normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
11.4.2 Metodos robustos y no parametricos . . . . . . . . . . . . . . . . . . 140
11.4.3 Comparaci on de dos binomiales . . . . . . . . . . . . . . . . . . . . . 141
11.5 Sobre el uso de los tests en la pr actica . . . . . . . . . . . . . . . . . . . . . 141
11.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
12 Ajuste de una Recta 145

12.1 El metodo de mnimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . . 145
12.1.1 Calculo numerico de los coeficientes . . . . . . . . . . . . . . . . . . 149
12.1.2 Recta por el origen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
12.1.3 Transformaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
12.2 El modelo lineal simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
12.3 Distribuci
on de los estimadores . . . . . . . . . . . . . . . . . . . . . . . . . 151
12.4 Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
12.5 Intervalos de predicci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
12.6 Predictores aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
12.6.1 Interpretacion de los resultados . . . . . . . . . . . . . . . . . . . . . 156
12.6.2 Predictores con error . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
12.7 Uso de los residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
12.7.1 Diagrama normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
12.7.2 Grafico de residuos vs. predictores . . . . . . . . . . . . . . . . . . . 158
12.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
A TABLAS 165
BIBLIOGRAFIA 171
INDICE ALFABETICO 173

Parte I
PROBABILIDAD
1
Captulo 1
Espacios de Probabilidad
1.1 Los axiomas

Consideremos el experimento que consiste en arrojar al aire una moneda, dejarla caer
al piso, y observar que lado queda hacia arriba (podemos suponer que lo hacemos en
una amplia habitaci on sin muebles, para asegurarnos que no quede de canto ni debajo
de un ropero). En principio, el resultado es perfectamente predecible: si conocemos con
suficiente precisi
on las velocidades iniciales de traslacion y rotacion, y las elasticidades de
los materiales del piso y de la moneda, el resultado queda determinado y se puede obtener
resolviendo un sistema de ecuaciones diferenciales.
Sin embargo, si alguien intentara realizar esta predicci on, encontrara el inconveniente
de que muy peque nas modificaciones en los valores iniciales modifican el resultado; de modo
que para disponer de un modelo matem atico u
til de esta situacion, habra que conocer los
valores iniciales con una precisi
on inalcanzable en la realidad.
Consideremos en cambio el experimento que consiste en arrojar la moneda una gran
cantidad de veces y registrar la proporci on de veces que salio cara. Si tenemos la pacien-
cia de hacerlo, observaremos que de una realizaci on a otra los valores registrados no suelen
cambiar mucho. Esa proporci on sera entonces una caracterstica intrnseca del experi-
mento, la que s se podra prestar a ser modelada matem aticamente, cosa que no suceda
con los resultados de los tiros tomados individualmente.
Por ejemplo, mostramos a continuaci on la proporcion de caras en 10 repeticiones del
experimento consistente en arrojar la moneda 10000 veces:
0.4964 0.5018 0.4997 0.5070 0.4958 0.5012 0.4959 0.5094 0.5018 0.5048
(los tiros de la moneda han sido simulados en una computadora Secci on 3.2.1 ha-
ciendo innecesario el trabajo de conseguir la moneda y luego arrojarla 10000 veces).
Es de estas situaciones que se ocupa la Teora de Probabilidad, en las que se desea
un modelo matem atico, no del resultado de una realizaci on de un experimento, sino de la
proporcion de veces que se daran los resultados, en una larga serie de repeticiones (ideales)
3
4 CAPTULO 1. ESPACIOS DE PROBABILIDAD
del mismo. A estos los llamaremos experimentos aleatorios (en un experimento deter-
minstico una repetici on en las mismas condiciones tendra que dar el mismo resultado).
Notese sin embargo que no interesa aqu discutir si una situaci on es realmente aleatoria o
determinstica, o si existe realmente el azar. Se trata de elegir el modelo matem atico mas
adecuado para tratar una situaci on. El ejemplo de la moneda es claramente determinista;
pero sera poco u til tratarlo como tal.
El concepto de probabilidad se refiere a la proporci on de ocurrencias (o frecuencia re-
lativa) de un resultado, en una larga serie de repeticiones de un experimento aleatorio.
Pero cu ando es una serie lo bastante larga?. Podramos responder que lo es cuando
las frecuencias relativas varan poco al realizar nuevas repeticiones. Y cu ando se puede
decir que varan poco?. Una forma de precisar estas ideas para definir rigurosamente
el concepto de probabilidad, es la elegida por Richard von Mises, quien en 1921 parti o de
la idea de una serie ilimitada de repeticiones del experimento, y defini o a la probabilidad
como el lmite de las frecuencias relativas, cuando el n umero de repeticiones tiende a in-
finito. Este planteo, pese a lo natural que parece, encontr o dificultades insalvables para
llegar a convertirse en una teora consistente. La formulaci on que se utiliza actualmente
fue desarrollada en 1933 por el celebre matem atico ruso A. Kolmogorov, quien defini o la
probabilidad mediante un sistema de axiomas. La idea de partida com un en el enfoque
axiom atico de la Matem atica fue: si se pudiera definir la probabilidad como lmite de fre-
cuencias relativas: que propiedades tendra que cumplir?. Estas propiedades se convierten
precisamente en los axiomas de la definici on de Kolmogorov. La Ley de Grandes Numeros
(Captulo 7) mostrar a que esta definici
on es coherente con la nocion de probabilidad como
frecuencia relativa.
Todo lo expuesto se refiere al llamado concepto frecuentista de la probabilidad. Esta
puede tambien ser concebida como medida de creencia, dando lugar a la llamada proba-
bilidad subjetiva. Pero este es un tema que no trataremos en este curso. Una exposici on
sobre los distintos conceptos de azar y probabilidad se puede encontrar en [11].
Para exponer la definici on de Kolmogorov, veamos primero algunos ejemplos de expe-
rimentos aleatorios:
a. Realizar un tiro de ruleta y registrar el resultado
b. Arrojar un dado tres veces seguidas y anotar los resultados ordenadamente
c. Registrar la cantidad de abonados de una central telef

onica que levantan el tubo
entre las 10 y las 10 hs. 15
d. Registrar en dicha central el tiempo transcurrido desde las 10 hs. hasta que pide lnea
el primer abonado
e. Elegir una persona al azar de entre una poblaci

on, y medir su estatura y peso.
El espacio de probabilidad (o espacio muestral) asociado a un experimento aleatorio, es

el conjunto de los resultados posibles del mismo, o cualquier conjunto que los contenga.

Se lo denota tradicionalmente con la letra (Omega). En el ejemplo (a) tendramos
1.1. LOS AXIOMAS 5
= {0, 1, 2, . . . , 36}; en el (b) = {(a, b, c) : a, b, c {1, . . . , 6}}. En el (c) se puede tomar

como el conjunto de los enteros no negativos: Z+ = {0, 1, 2, ...}; y para (d) el de los
reales no negativos, = R+ = {x R, x 0}. Por u ltimo, para (e), el de los pares de
reales no negativos: = R R = {(a, b) : a, b R+ }.
La eleccion del es cuesti on de conveniencia. Por ejemplo, en (d) se podra alternati-
vamente tomar = R; o bien, si la medici on se hace con un reloj digital que mide hasta
el segundo, se podra considerar que las mediciones reales en segundos ser an enteras,
y por lo tanto se podra tomar = Z+ .
Se llama eventos a los subconjuntos de . En la pintoresca jerga probabilstica, en el
ejemplo (a) el conjunto A = {2, 4, 6, ..., 36} es el evento de que salga n umero par ; el
B = {1, 4, 7, ..., 34} sera el evento de que salga primera columna. En (d), el conjunto
A = (3.5, ) = {t : 3.5 < t} (tiempo en minutos) es el evento ning un abonado pide lnea
entre las 10 y las 10 horas 3.5 minutos.
Las operaciones habituales con conjuntos tienen una traducci on intuitiva en terminos
probabilsticos: A B es el evento A y B ocurren simult aneamente; A B es ocurre
al menos uno de los dos; el complemento A es el evento no ocurre A; la diferencia
A B = A B es ocurre A pero no B. Si A B = , A y B no pueden ocurrir
simultaneamente; si A B, siempre que ocurre A, ocurre B.
Definici
on 1.1 Una probabilidad (o medida de probabilidad) es una funcion P que a cada
evento A le hace corresponder un n
umero real P(A) con las siguientes propiedades:
P1) 0 P(A) 1 para todo A

P2) P() = 1
P3) (aditividad) A B = = P(A B) = P(A) + P(B)

P4) (continuidad) Sean A1 A2 . . . An An+1 . . . una sucesi
on infinita de
eventos. Entonces

P An = lmn P(An ).
n
Para aclarar la notacio

n usada en el u
ltimo axioma: si An (n = 1, 2, . . .) es una sucesi
on
de eventos, se definen n An = { : An para alg un n} y n An = { : An para
todo n}.
La motivacion de los axiomas se puede comprender a partir de la idea intuitiva de
la probabilidad como lmite de frecuencias relativas. Supongamos un experimento (por
ejemplo, un tiro de ruleta) repetido N veces. Para cada evento A, sea fN (A) la cantidad de
veces que ocurre A en las N repeticiones (llamada frecuencia de A). Se verifica f acilmente
que cumple:
0 fN (A) fN () = N,
A B = = fN (A B) = fN (A) + fN (B).
Sea gN (A) = fN (A)/N (la proporci on de veces que ocurre A, o frecuencia relativa).
Entonces gN como funci on de A cumple P1, P2 y P3. Si se pudiera definir P(A) como
lmN gN (A) , entonces P cumplira esos tres axiomas.
El axioma P4 no se puede deducir de los anteriores, y es necesario por motivos
tecnicos: muchos resultados importantes no se podran demostrar sin usarlo.
Es f
acil extender P3 a cualquier familia finita de eventos. Sean Ai (i = 1, . . . n) eventos
disjuntos (o sea, i = j = Ai Aj = ). Entonces
n n

P Ai = P(Ai ). (1.1)
i=1 i=1
El lector puede demostrar esta propiedad, llamada naditividad finita, por inducci
on, teniendo
en cuenta que para cada n, los eventos An+1 y i=1 Ai son disjuntos.
El mismo resultado vale para n = (sigma-aditividad). Sea Ai (i = 1, 2, . . .) una
familia infinita de eventos disjuntos. Entonces:

P Ai = P(Ai ). (1.2)
i i=1
n
Para demostrarla, sean Bn = i=1 Ai y B = i Ai = n Bn . Entonces hay que probar
que P(B) = lmn P(Bn ), lo que es consecuencia inmediata de P4, pues Bn Bn+1 .
1.2 Experimentos con resultados equiprobables

Mastropiero haba contratado a una gitana para que
le tirara las cartas, le leyera las manos y le lavara la
ropa; pero ella le lea las cartas, le tiraba la ropa, y al
final . . . se lavaba las manos!
Les Luthiers, Il sitio di Castiglia
Las situaciones mas antiguas consideradas en la Teora de Probabilidad, originadas en los

juegos de azar, corresponden al caso en que el espacio es finito: = {1 , ..., N }, y todos
los elementos i tienen la misma probabilidad (son equiprobables). Por lo tanto P({i }) =
1/N para todo i. Un ejemplo sera un tiro de una ruleta o de un dado equilibrados.
Aplicaciones menos frvolas se encuentran en casi todas las situaciones en que se toman
muestras, en particular el control de calidad y el muestreo de poblaciones.
Si el evento A tiene M elementos, entonces la aditividad (1.1) implica
1 card(A)
P(A) = M= ,
N card()
(donde card es el cardinal n umero de elementos del conjunto) formula conocida
tradicionalmente como casos favorables sobre casos posibles.
1.2. EXPERIMENTOS CON RESULTADOS EQUIPROBABLES 7
Por lo tanto, en esta situaci

on uno de los problemas es calcular el cardinal de un
conjunto (sin tener que enumerarlo). Usaremos cuatro resultados elementales que el lector
probablemente ya conoce.
Regla del producto: Dados dos conjuntos A y B, sea A B = {(a, b) : a A, b B}
el producto cartesiano de A y B, o sea, el conjunto de todos los pares ordenados formados
por un elemento de A y otro de B. Entonces
card(A B) = card(A) card(B). (1.3)
La demostraci
on es muy sencilla por inducci
on sobre card(A).
Permutaciones: La cantidad de formas distintas en que se pueden ordenar los n
umeros
1, 2, . . . , n (permutaciones de n) es el factorial de n:
n! = 1 2 . . . n. (1.4)
La demostraci
on es muy simple por inducci on.
Para completar, se define 0! = 1, con lo que la propiedad n! = n(n 1)! vale para todo
n 1.
Variaciones: Se llama variaciones de n en k (con k n) a la cantidad de subconjuntos
ordenados de k elementos, del conjunto {1, 2, . . . , n}; y se la indica con (n)k . Se verifica
enseguida que
n!
(n)k = n(n 1) . . . (n k + 1) = . (1.5)
(n k)!
Combinaciones: Se llama combinaciones (o n umero combinatorio) de n en k a la can-
tidad de subconjuntos (sin ordenar) de k elementos, contenidos en un conjunto de n
(0 k n); se lo denota con (nk ). Entonces
n!
n = . (1.6)
k k!(n k)!
En efecto: cada subconjunto ordenado de k elementos se caracteriza por: (1) los k elemen-
tos, y (2) el orden en que est
an. Como estos dos factores se pueden combinar de todas las
maneras posibles, resulta por (1.3) y (1.4)

n
(n)k = k k!,
y de aqu sale (1.6).
Muestreo con y sin reemplazo

Sea B un mazo de n barajas. Se quiere representar el experimento siguiente:
Barajar bien, y extraer sucesivamente m barajas.
En este caso el espacio es el conjunto de las m-uplas formadas por m barajas distintas:
= {(b1 , ..., bm ) : bi B, bi = bj si i = j}. De la definici
on se deduce que card() = (n)m .
Se representa matem aticamente la idea de que el mazo est a bien barajado postulando que
los elementos de son equiprobables. Esta es la definici on del muestreo sin reemplazo de
m objetos de entre n.
Si no interesa el orden en que salen, sino solamente el conjunto {b1 , ..., bm }, de la
definici
on se deduce f acilmente que los (nm ) conjuntos posibles son equiprobables.
Consideremos en cambio el experimento descripto por el siguiente procedimiento:
Hacer m veces lo siguiente:
Barajar bien. Sacar una carta y registrarla. Reponerla.
En este caso = {(b1 , ..., bm ), bi B} = B . . . B. Por lo tanto, card() = nm . Se
representa el buen barajado postulando que los elementos de son equiprobables. Esta es
la definici
on de muestreo con reemplazo.
Un ejemplo de esta situaci on es: m tiros sucesivos de un dado equilibrado. Aqu
B = {1, 2, ..., 6}.
Ejemplo 1.A: Repartos En una fiesta se reparten al azar c caramelos a n ni nos. Cual
es la probabilidad de que mi sobrinito se quede sin caramelo?. Es conveniente suponer que
tanto los caramelos como los ni nos est
an numerados. Cada uno de los caramelos puede ser
nos; y por lo tanto los casos posibles son nc , y los favorables (o
dado a cualquiera de los n ni
mas bien desfavorables para mi sobrino) son todas las maneras de distribuir los caramelos
nos restantes, o sea (n 1)c , y por lo tanto la probabilidad es (1 1/n)c .
entre los n 1 ni
Si c = n, dicha probabilidad es practicamente independiente de n, siendo aproximada-
mente igual a e1 0.37.
Ejemplo 1.B: Flor Un ejemplo de muestreo sin reemplazo y del uso de las ideas
elementales del An
alisis Combinatorio est a dado por el siguiente problema: de un mazo de
baraja espa
nola se extraen tres al azar sin reemplazo. Calcular la probabilidad del evento
A que sean todas del mismo palo.
Aqu no interesa el orden de las cartas, y por lo tanto los elementos de son los
subconjuntos de 3 cartas de un conjunto de 40, lo que implica card() = (40 3 ). Cada
elemento de A esta caracterizado por: (a) los n umeros de las 3 cartas, y (b) de que palo
son. Usando (1.3) resulta card(A) = (103 ) 4; y por lo tanto P(A) 0.049.
Ejemplo 1.C: Control de calidad En una canasta hay N manzanas, de las cuales M
estan machucadas. Elijo n al azar (sin reemplazo). Cu al es la probabilidad p de que me
toquen exactamente m machucadas? (con m n y m M).
umero de casos posibles es (Nn ). Cada caso favorable se caracteriza por: un sub-
El n
conjunto de m de entre las M machucadas, y uno de n m de entre las N M sanas.
Luego:
M N M
m nm
p= . (1.7)
N
n
1.3. EJERCICIOS 9
Ejemplo 1.D: Si en el ejemplo anterior se extraen las manzanas en forma consecutiva

con reemplazo, es obvio que la probabilidad de que la k-esima manzana sea machucada es
M/N . Veremos que lo mismo vale para el muestreo sin reemplazo. En efecto, los casos
posibles son todas las sucesiones de k manzanas, o sea (N )k ; y los casos favorables son
todas las sucesiones de k manzanas en las que la k-esima es machucada, o sea M (N 1)k1 ;
el cociente es M/N .
Ejemplo 1.E: Cumplea nos En una reuni on hay n personas. Cu al es la probabilidad
p de que al menos dos tengan el mismo cumplea nos?.
Para simplificar las cosas, supongamos: (a) que descartamos los a nos bisiestos, de modo
que todos los a
nos tienen N = 365 das; (b) que las probabilidades de los nacimientos son las
mismas para todos los das del ano; (c) que no hay relacion entre las personas (eliminando,
por ejemplo, un congreso de quintillizos); (d) que n N , pues si no, es p = 1. En estas
condiciones tenemos una muestra de tama no n, con reemplazo, de {1, . . . , N }. La canti-
dad de casos posibles es entonces N n . Es m acil calcular 1 p, que es la probabilidad
as f
de que tengan todos cumplea nos distintos (ejercicio 1.1). Los casos favorables quedan
caracterizados por: el conjunto de fechas de los cuales hay (Nn ) y la forma de asignarlas
a las n personas que son n!. En definitiva, queda
N (N 1) . . . (N n + 1)
p=1 . (1.8)
Nn
1.3 Ejercicios
Secci
on 1.1
1.1 Probar que P(A ) = 1 P(A). Deducir que P() = 0.
1.2 Probar que A B = P(B A) = P(B) P(A). Vale esta igualdad en general?.
Deducir que A B = P(A) P(B).
1.3 Probar que P(A B) = P(A) + P(B) P(A B) (haga el diagrama!). Deducir que
P(A B) P(A) + P(B) (desigualdad de Bonferroni).
1.4 Sea{An } una familia infinita de eventos tales que A1 A2 A3 . . .. Probar que
P( n An ) = lmn P(An ). [Usar P4 y el ejercicio 1.1].
1.5 Un sistema de control est a formado por 10 componentes. La falla de cualquiera de
ellos provoca la del sistema. Se sabe que la probabilidad de falla de cada componente
es 0.0002. Probar que la probabiidad de que el sistema funcione es 0.998.
1.6 Sobre una mesa hay tres cartas boca abajo: son un as, un dos y un tres, y hay que
acertar cual de ellas es el as. Usted elige una. El croupier le muestra una de las
otras dos, que resulta no ser el as, y le da una oportunidad de cambiar su elecci on en
este instante. Que le conviene m as: mantener su decisi
on o elegir la restante carta
desconocida? [construya un modelo para la opci on de cambiar siempre de carta].
Secci
on 1.2
1.7 a. Una canasta roja contiene 5 botellas de champagne brut y 6 de vino com un de
mesa; una canasta blanca contiene 3 de champagne y 4 de vino com un. Si se le
ofrece extraer al azar una botella, de cu
al canasta le conviene tomarla?.
b. Una canasta roja contiene 6 botellas de champagne de primera y 3 de vino de
cuarta; una blanca tiene 9 de champagne y 5 de dicho vino. De cu
al le conviene
extraer?.
c. Los contenidos de las dos canastas blancas se unen, y lo mismo se hace con
los de las dos rojas. De cu
al le conviene extraer ahora?. (El resultado es un
ejemplo de la llamada Paradoja de Simpson).
1.8 Calcular la probabilidad de obtener un boleto capic
ua, en un colectivo que emite
boletos con 5 cifras.
1.9 Se arroja repetidamente un dado equilibrado. Calcular la probabilidad de obtener:
a. dos n
umeros pares, tirando dos veces
b. al menos un as, tirando cuatro veces.
1.10 Se arrojan 5 dados equilibrados. Calcular la probabilidad de obtener
a. cinco n
umeros iguales (generala servida)
b. cuatro iguales y uno distinto (poker)
c. tres de un n
umero y dos de otro (full).
[conviene considerar a los dados como distinguibles].
1.11 En un programa de television se presentan 4 hombres y 4 mujeres. Cada hombre
elige a una mujer (ignorando lo que eligen los/las dem as) y viceversa. Si un hombre
y una mujer se eligen mutuamente, se forma una pareja. Si las elecciones fueran
completamente al azar, cual sera la probabilidad de que se formen 4 parejas?.
1.12 Un senor tiene un llavero con n llaves. Ha olvidado cu
al es la de su casa, y las prueba
ordenadamente una por una. Calcular la probabilidad de que acierte en el k-esimo
intento (1 k n).
1.13 En una pecera hay 7 peces rojos y 3 azules. Se extraen 5 al azar (sin reemplazo).
Calcular la probabilidad de obtener:
a. 3 rojos
b. 2 o m
as rojos.
1.14 En una caja de madera de sandalo persa hay 20 bolillas, de las cuales exactamente
8 son de color fucsia. Se extraen sucesivamente 10 al azar, sin reposici
on. Calcular
la probabilidad de que
1.3. EJERCICIOS 11
a. la sexta sea fucsia

b. cinco sean fucsia
c. la segunda y la septima sean ambas fucsia.
1.15 En el Ejemplo 1.A, con c = n, calcular la probabilidad de que alg
un ni
no quede sin
caramelo.
1.16 En la situaci
on del Ejemplo 1.E:
a. Hallar el menor n tal la probabilidad p de (1.8) sea 0.5
b. Calcular la probabilidad de que haya exactamente dos personas con el mismo
cumpleanos
c. Calcular la probabilidad de que entre n personas, al menos dos tengan el mismo
signo astrol
ogico.
1.17 Probar
n = n y n = n1 + n1 .
k nk k k1 k
1.18 Probar que si M N y m N :
k

M N M = N ,
m nm n
m=0
donde k = mn(n, M ). [Sugerencia: hacerlo por inducci

on, comenzando por probarlo
para M = 1 y todo N y n].
Captulo 2
Probabilidad Condicional e
Independencia
2.1 Relaciones entre dos eventos

Definici
on 2.1 Si A y B son eventos con P(B) > 0, la probabilidad condicional de A
dado B es
P(A B)
P(A|B) = . (2.1)
P(B)
Para comprender la motivaci on de (2.1), consideremos el ejemplo de una poblaci on de

N personas, y en ella los subconjuntos A y B formados respectivamente por los que tienen
caries y por los consumidores habituales de caramelos. Si se desea investigar empricamente
la relaci
on entre caries y consumo de caramelos, una forma de hacerlo sera calcular la
proporcion p de caries entre los golosos, o sea
card(A B)
p= . (2.2)
card(B)
Al mismo tiempo, si se considera el experimento de elegir al azar una persona de , entonces

P(B) = card(B)/N , y P(A B) = card(A B)/N , y por lo tanto
P(A B)
p= = P(A|B). (2.3)
P(B)
Comparando (2.2) y (2.3) surge que P(A|B) se puede considerar como la probabilidad de
obtener un elemento de A, cuando uno se limita a elegir de entre los de B.
En terminos de frecuencias relativas (ver p
agina 5), el significado intuitivo sera: P(A|B)
es la proporci
on de veces que se observa A, en una larga serie de repeticiones del experi-
mento en la que registramos s olo aquellas en que sucede B,
13
14 CAPTULO 2. PROBABILIDAD CONDICIONAL E INDEPENDENCIA
De la definici
on es inmediato que
P(A B) = P(A|B) P(B). (2.4)
En el pensamiento cotidiano suele haber una cierta confusion entre P(A|B) y P(B|A).
Para aclararla, notemos que mientras la totalidad de los futbolistas profesionales tiene dos
piernas, s
olo una nfima proporci
on de las personas que tienen dos piernas son futbolistas
profesionales. El Ejemplo 2.E mostrar a un caso menos obvio.
Definici
on 2.2 Los eventos A y B son independientes si
P(A B) = P(A)P(B). (2.5)
Para comprender el origen de este concepto, veamos el ejemplo anterior: si el consumo de

caramelos produjera mayor propensi on a las caries, debera ser la proporci
on de cariados
entre los golosos, mayor que la proporci
on en la poblacion total, o sea P(A|B) > P(A); si el
efecto fuera contrario, sera P(A|B) < P(B), y si no tuviera efecto, sera P(A) = P(A|B),
lo que equivale a (2.5).
Se dice que A y B tienen respectivamente asociaci on positiva (negativa) si P(A B) es
mayor (menor) que P(A)P(B).
Ejemplo 2.A: Se arroja dos veces un dado equilibrado. Sean A = {en el primer tiro
sale impar}, y B = {en el segundo sale 3}. Si se postula que los 36 resultados posibles son
equiprobables, entonces
3 3 1
P(A B) = = = P(A)P(B),
36 6 6
y por lo tanto A y B son independientes. El mismo razonamiento muestra que en cualquier
situaci
on de muestreo con reemplazo, eventos correspondientes a repeticiones distintas son
independientes.
Ejemplo 2.B: En una caja hay N bolillas, de las cuales M son blancas. Se extraen
al azar dos sin reemplazo. Sean A y B respectivamente los eventos de que la primera (la
segunda) sea blanca. De la definici
on de muestreo sin reemplazo se deduce que
M (M 1) M
P(A B) = y P(A) = P(B) = . (2.6)
N (N 1) N
En efecto: card() = (N )2 = N(N 1); y por los mismos motivos es card(A B) =
M (M 1). El calculo de P(A) y P(B) es como en el Ejemplo 1.D.
on negativa entre A y B, pues (M 1)/(N 1) < M/N si
Por lo tanto hay asociaci
N > M 0. Esto es comprensible intuitivamente, pues si la primera bolilla extrada es
blanca, quedan menos blancas para la segunda.
Sin embargo, notese que
P(A B) M (N 1)
= ,
P(A)P(B) N (M 1)
2.2. MODELOS BASADOS EN PROBABILIDADES CONDICIONALES 15
que tiende a 1 cuando M y N . O sea, que para M y N grandes, A y B son

aproximadamente independientes; es decir, que en ese caso el muestreo sin reemplazo se
comporta aproximadamente como el muestreo con reemplazo, cosa que es f acil de imaginar
intuitivamente (ver Ejercicio 2.15).
Proposici on 2.3 La independencia de A y B es equivalente a la de A y B , a la de A y

B , y a la de A y B .
Demostraci on: Comenzamos probando que la independencia de A y B implica la de A y

B . En efecto, si A y B son independientes, entonces
P(A B ) = P(A) P(A B) = P(A) P(A)P(B) = P(A)P(B ).
Aplicando este razonamiento a los eventos A y B , resulta que la independencia de A y

B implica la de A y (B ) = B, lo que prueba la implicaci on opuesta. De la primera
equivalencia salen las otras dos.
2.2 Modelos basados en probabilidades condicionales

Ahora veremos algunas situaciones tpicas donde las probabilidades condicionales o la in-
dependencia, en vez de ser deducidas del modelo, son postuladas para definirlo. Para ello
hace falta poder obtener la probabilidad de un evento, en funci on de sus probabilidades
condicionales respecto de otros. n
En la situacion m
as tpica, sean B1 , . . . , Bn eventos disjuntos, con i=1 Bi = , y A
cualquier evento. Entonces
n

P(A) = P(A|Bi ) P(Bi ). (2.7)
i=1
Esta es la llamada formula de probabilidad compuesta. Para probarla, basta notar que
los eventos A Bi (i = 1, . . . , n) son disjuntos, su uni
on es A, y sus probabilidades son
P(A|Bi )P(Bi ) por (2.4).
En las mismas condiciones se cumple para todo k = 1, . . . , n:
P(A|Bk )P(Bk )
P(Bk |A) = n . (2.8)
i=1 P(A|Bi )P(Bi )
Este resultado, llamado f

ormula de Bayes, se prueba usando (2.7) y (2.4).
A continuaci on vemos algunas aplicaciones de estos resultados.
Ejemplo 2.C: Se tira dos veces un dado equilibrado. Sean A y B como en el Ejemplo
2.A. Si se postula que A y B son independientes, entonces se deduce que P(A B) = 3/36
(en dicho Ejemplo se sigui
o el camino inverso).
Ejemplo 2.D: Se tienen dos cajas: la primera tiene 5 bolillas blancas y 3 negras, y la
segunda tiene 4 blancas y 8 negras. Se elige una caja al azar y de ella una bolilla al azar.
Se desea calcular la probabilidad de que la bolilla sea negra.
Antes de poder calcularla, hay que plantear un modelo para esta situaci on. Aqu es
el conjnto de pares {(caja,bolilla)}, donde caja puede ser 1 o 2, y bolilla puede ser
blanca o negra. Definimos los eventos: A = bolilla negra = {(1,negra), (2,negra)}, B1 =
elegir caja 1= {(1,blanca), (1,negra)} y B2 = elegir caja 2. El enunciado del problema
equivale a postular:
P(B1 ) = P(B2 ) = 1/2,
P(A|B1 ) = 3/8 y P(A|B2 ) = 8/12.
Entonces el resultado se obtiene de (2.7):
3 1 8 1 25
P(A) = + = .
8 2 12 2 48
La probabilidad condicional de que la caja sea la 1, dado que sali o bolilla negra, es
seg un (2.8)
(3/8)(1/2) 9
= .
25/48 25
El significado intuitivo de esta probabilidad es: si se repite el experimento muchas veces,
de todos los casos en que sale bolilla negra, una proporcion 9/25 corresponde a la caja 1.
Ejemplo 2.E: Falsos positivos Un test para detectar cierta enfermedad tiene proba-
bilidad 0.005 de dar como enfermas a personas sanas (falsos positivos), y probabilidad
0.007 de dar como sanas a personas enfermas (falsos negativos). Los enfermos consti-
tuyen el 1% de la poblacion. Si se aplica el test a toda la poblaci
on, que proporci
on de
los positivos corresponder
a a sanos?.
Sean A, B1 y B2 los eventos test positivo, sano y enfermo. Entonces
P(A|B1 ) = 0.005, P(A |B2 ) = 0.007, P(B2 ) = 0.01;
y la f
ormula de Bayes da
0.005 0.99
P(B1 |A) = = 0.333;
0.005 0.99 + 0.993 0.01
de modo que el 33% de los positivos son sanos!. Aunque el resultado pueda ser sorpren-
dente, no es diferente del comentario sobre futbolistas en p
ag. 14.
2.2.1 Un modelo para tiempos de espera

Veremos a continuaci on un modelo de gran importancia pr actica obtenido en base a su-
posiciones muy sencillas. Se registra la cantidad de partculas emitidas por una substancia
radiactiva, a partir del instante t = 0. Sea A(t1 , t2 ) el evento no se emite ninguna partcula
en el intervalo de tiempo [t1 , t2 ). Calcularemos la probabilidad de este evento, para el
caso en que la situacion se puede representar por las siguientes hip otesis:
2.2. MODELOS BASADOS EN PROBABILIDADES CONDICIONALES 17
Invariancia: Las condiciones no cambian en el tiempo

Falta de memoria: Lo que sucede en [0, t) no influye en lo que sucede en [t, t ) para t > t.
Dado que en realidad la intensidad de la desintegraci on va decayendo en el tiempo, la

primera suposicion implica que el perodo de observaci on es corto comparado con la vida
media de la substancia. La segunda implica que la desintegraci on de una partcula no
influye en la desintegraci
on de otras, lo cual excluye las reacciones en cadena.
La traduccion de estas dos suposiciones en terminos formales sera respectivamente:
S1) P{A(s, s + t)} no depende de s
S2) Si t1 < t2 , entonces A(0, t1 ) y A(t1 , t2 ) son independientes.
Para abreviar, sea g(t) = P{A(s, s + t)} (no depende de s). Para calcular la forma de g,
notemos que si s y t son 0, entonces los eventos A(0, s) y A(s, s + t) son independientes,
y adem
as su interseccion es A(0, s + t). Por lo tanto:
g(s + t) = g(s) g(t) s, t 0. (2.9)
Ademas g(0) = 1, pues A(0, 0) = ; y g es decreciente, pues A(0, t1 ) A(0, t2 ) si t1 t2 .

En estas condiciones, se puede demostrar que g es de la forma
g(t) = ect (2.10)
donde c es una constante positiva.

Para simplificar, damos una demostraci
on de (2.10) sencilla, pero no del todo rigurosa,
pues requiere la suposici
on extra e innecesaria de que g es diferenciable. Aplicando
(2.9) tenemos
g(t + s) g(t) g(s)g(t) g(t)

g (t) = lms0 = lms0
s s
1 g(s)
= g(t) lms0 = cg(t), (2.11)
s
donde c = lms0 (1g(s))/s. De (2.11) sale la ecuaci on diferencial g = cg, cuya soluci
on
con la condici
on g(0) = 1 es (2.10), como es bien sabido.
Una demostraci on correcta, que no usa derivadas, puede verse al final de esta Secci on.
La constante c depende de cada caso. Como se ver a luego en (4.14), el significado
intuitivo de 1/c es tiempo medio de espera entre dos partculas. Se la puede estimar
observando el experimento (Ejemplo 9.E).
Otra situaci
on que puede ser descripta mediante las suposiciones S1 y S2 es: observar
una central telef
onica, y registrar el instante en que se produce la primera llamada. Aqu
S1 es aplicable si el intervalo de observaci on es lo suficientemente breve como para que
la intensidad del tr
afico telef
onico no vare mucho; S2 excluye la posibilidad de que una
llamada pueda provocar otras (como una cadena de chismes).
*Demostraci
on general de (2.10)
Lema 2.4 Sea g una funci on mon otona (creciente o decreciente) que cumple (2.9), y
g(0) = 1. Entonces g es de la forma
g(t) = bt , (2.12)
para alguna constante b > 0.
Para demostrarlo, sea b = g(1). Entonces (2.9) implica por inducci

on que g(n + 1) = bg(n)
para n natural, y por lo tanto vale (2.12) para t natural. Asimismo se obtiene que
b = g(1) = g(n(1/n)) = g(1/n)n ,
y por lo tanto vale (2.12) para t de la forma t = 1/n. De aqu sale
g(m/n) = g(1/n)m = bm/n ,
lo cual verifica (2.12) para t 0 racional.

Para pasar de los racionales a los reales, supongamos g decreciente. Sean t R+ y
{tn } una sucesi on de racionales t que tienden a t; entonces g(t) g(tn ) = btn . Por
la continuidad de la funci on exponencial es g(t) lmn btn = bt . Del mismo modo se
t
prueba g(t) b .
2.3 Independencia de varios eventos

Para fijar ideas, consideremos el experimento de arrojar tres veces un dado (agitando bien
el cubilete). Sean respectivamente A1 , A2 y A3 los eventos 5 en el primer tiro, 3 en el
segundo y 6 en el tercero. Buscamos una manera de expresar formalmente que A1 , A2
y A3 son independientes, significando no s olo que A1 sea independiente de A2 (etc.) sino
tambien que por ejemplo A1 A3 sea independiente de A2 , etc., para as representar
la idea de que el cubilete ha sido bien agitado. El concepto adecuado es:
Definici
on 2.5 Los eventos A1 , A2 , A3 son independientes si se cumplen las siguientes
ocho igualdades:
P(A1 A2 A3 ) = P(A1 )P(A2 )P(A3 ),
P(A1 A2 A3 ) = P(A1 )P(A2 )P(A3 ).
..............................
P(A1 A2 A3 ) = P(A1 )P(A2 )P(A3 ).
Veamos algunas propiedades de la indepencia de tres eventos.
Proposici
on 2.6 Si A1 , A2 , A3 son independientes, se cumple:
a. A1 , A2 son independientes (dem A1 , A3 y A2 , A3 ).
2.4. EL ESQUEMA DE BERNOUILLI 19
b. A1 A2 es independiente de A3 (y de A3 ).
c. A1 A2 es independiente de A3 (y de A3 ).
Demostraciones
(a): (Notese que el hecho debe ser demostrado, pues la palabra independientes se usa
primero en el sentido de la definici
on 2.5 o sea, de a tres y luego en el sentido de la
Definici
on 2.2, o sea, de a dos).
Para demostrarla, tener en cuenta que
A1 A2 = (A1 A2 A3 ) (A1 A2 A3 ),
que son disjuntos. Aplicando la definici

on resulta
P(A1 A2 ) = P(A1 )P(A2 )[P(A3 ) + P(A3 )] = P(A1 )P(A2 ).
(b): Notar que (a) y la definicion implican que
P{(A1 A2 ) A3 } = P(A1 )P(A2 )P(A3 ) = P(A1 A2 )P(A3 ).
(c): La Proposicion 2.3 implica que basta probar la independencia de (A1 A2 ) y A3

. Pero (A1 A2 ) = A1 A2 , y el resto de la demostraci

on es como la de (b).
La independencia de a pares no implica independencia de a tres. Para verificarlo, en el
experimento de arrojar dos veces un dado equilibrado, sean A1 , A2 y A3 respectivamente,
los eventos: primer resultado par, segundo resultado par y suma de ambos resultados
par. Entonces es facil verificar que los eventos son independientes tomados de a dos, pero
no lo son de a tres, pues
P(A1 A2 A3 ) = 0 = P(A1 )P(A2 )P(A3 ).
Pero si A1 , A2 , A3 , adem
as de ser independientes de a pares, cumplen
P(A1 A2 A3 ) = P(A1 )P(A2 )P(A3 ),
entonces son independientes de a tres. La verificaci

on es elemental pero aburrida, por lo
que se omite.
La independencia de n eventos se define de la misma forma que para 3 eventos (ahora
son 2n igualdades a cumplir).
2.4 El esquema de Bernouilli

Veamos ahora una situaci on muy frecuente en Probabilidad. Se arroja n veces un dado
(no necesariamente equilibrado). Sean los eventos
Aj = {resultado del j-esimo tiro= as}, (j = 1, . . . , n).

Se quiere representar las suposiciones de que las condiciones son las mismas en todos los
tiros, y que el cubilete est
a bien batido. Para ello se postula:
P(Aj ) = p para todo j = 1, . . . , n
A1 , . . . , An son independientes.
Este modelo de una sucesi on de eventos independientes y con la misma probabilidad, como
los Aj , sirve para representar repeticiones de un experimento con solo dos resultados, y se
llama esquema de Bernouilli. Cada repetici on se denomina intento. La realizaci on de
on o sea, los complementos Aj
los eventos se suele llamar exitos, y la no realizaci
fracasos. Ahora se calcular a la probabilidad de obtener exactamente k ases en los n tiros.
Proposici on 2.7 Para k = 0, 1, . . . , n sea Bk el evento de que se realicen exactamente k

de los eventos Aj . Entonces

P(Bk ) = n k nk
k p (1 p)
. (2.13)
Para probarlo, notemos que Bk equivale a que haya alg un subconjunto de k intentos con
exitos, y que los restantes n k sean fracasos. M as formalmente: sea C la familia de
todos los conjuntos C {1, 2, . . . , n} con card(C) = k. Entonces

Bk = Aj Aj . (2.14)
CC jC jC
Cada uno de los eventos dentro del parentesis tiene, por la independencia, probabilidad
pk (1 p)nk . Estos eventos son disjuntos, y hay (nk ) de ellos.
A las probabilidades de (2.13) se las llama distribuci on binomial, y se las denotar
a
con b(k; n, p) (la palabra distribuci
on ser
a definida en el Captulo siguiente).
Supongamos ahora que los tiros del dado contin uan indefinidamente. Entonces la pro-
babilidad de que el primer as salga en el k-esimo tiro es la de que no salga as en ninguno
de los primeros k 1 tiros, y salga as en el k-esimo, o sea
P(A1 . . . Ak1 Ak ) = (1 p)k1 p. (2.15)
La probabilidad de que el segundo as salga en el tiro k-esimo es la de que salga as en el

k-esimo, y exactamente un as en los (k 1) anteriores, o sea
b(1, k 1, p) p = (k 1) p2 (1 p)k2 . (2.16)

DE POISSON Y SUS APLICACIONES
2.5. LA APROXIMACION 21
2.5 La aproximaci
on de Poisson y sus aplicaciones
Consideramos ahora una aproximaci on a la distribuci
on binomial, para n grande y p
chico. Para representar esto consideramos una sucesi on b(k; n, pn ) donde n y pn
cumple npn , donde es una constante > 0 (y por lo tanto pn 0). Se probar a que
k
lmn b(k; n, pn ) = e . (2.17)
k!
Para ello desarrollamos el coeficiente seg
un la definici
on, multiplicando y dividiendo
por nk :
n(n 1) . . . (n k + 1) 1
b(k; n, pn ) = (npn )k (1 pn )k (1 pn )n . (2.18)
nk k!
Cuando n , el primer factor del segundo miembro tiende a 1, el segundo es constante,
el tercero tiende a k , el cuarto a 1, y el quinto a e , pues
lmn n ln(1 pn ) = lmn npn = .
Llamaremos p(k; ) (k = 0, 1, 2, . . .) al segundo miembro de (2.17) (coeficientes de

Poisson).
Si se desea calcular aproximadamente b(k; n, p) donde n es grande y p chico, se
define = p/n, y entonces (2.17) implica que b(k; n, p) p(k, ).
La importancia de los coeficientes de Poisson no radica tanto en su uso como aproxi-
macion numerica, sino en su papel en modelos sencillos pero muy frecuentes en las aplica-
ciones, dos de los cuales veremos a continuaci on.
2.5.1 El proceso de Poisson espacial

Supongamos un recipiente de volumen V con un lquido en el que hay n bacterias, que
se consideran de tamano puntual. Se supone que el lquido esta bien batido, y que las
bacterias no se atraen ni repelen entre s. Estas dos suposiciones se pueden formalizar
respectivamente as:
Homogeneidad espacial: Para cada una de las n bacterias, y cada regi on D del recipiente,
la probabilidad de que la bacteria este en D depende s
olo del volumen de D (y no de su
forma o posici
on)
No interacci
on: Los eventos la j-esima bacteria est
a en D (j = 1, . . . , n) son independi-
entes.
Dada ahora una regi on D con volumen v, se desea calcular la probabilidad del evento en
D hay exactamente k bacterias. Esta probabilidad depende s olo de v, por la primera
suposici
on; la llamaremos gk (v). Sea h(v) la probabilidad de que una bacteria dada este
en D (depende s olo de v). Si D1 y D2 son dos regiones disjuntas con vol umenes v1 , v2
respectivamente, tales que D = D1 D2 , entonces v = v1 + v2 , y como los eventos la

bacteria est
a en D1 y est
a en D2 son disjuntos, resulta
h(v) = h(v1 + v2 ) = h(v1 ) + h(v2 ).
Adem as h es creciente. El lector puede probar facilmente (ejercicio 2.18) que h(v) = av
donde a es una constante. Como h(V ) = 1, debe ser a = 1/V y por lo tanto h(v) = v/V que
es la proporci
on del volumen total correspondiente a D, como era de esperar intuitivamente.
Notemos ahora que estamos en la situaci on de la binomial, con p = v/V , de modo que
gk (v) = b(k; n, v/V ). En la mayora de las situaciones pr
acticas, n es muy grande, y las
regiones que se consideran son peque nas comparadas con el recipiente total; de manera
que se puede tomar n y V , con n/V c, donde c se puede interpretar como
cantidad media de bacterias por unidad de volumen. En estas circunstancias, por (2.17)
resulta para todos los efectos practicos:
gk (v) = p(k; cv).
Por ejemplo, cuando se toma una muestra de sangre para hacer un recuento de gl obulos
rojos, V y v son los vol
umenes de sangre en el cuerpo y en la muestra, y n es la cantidad de
globulos en el organismo, que es de varios millones (salvo en caso de una anemia galopante);
y por lo tanto se puede suponer que las probabilidades correspondientes a la cantidad de
globulos en la muestra se expresan mediante los coeficientes de Poisson.
2.5.2 El proceso de Poisson temporal

Consideremos m as en general la situaci
on de la Secci
on 2.2.1. En vez de la probabili-
dad de que en el intervalo [0, t) no se emita ninguna partcula, calcularemos en general
la probabilidad de que se emitan exactamente k partculas. Para ello, definimos para
k = 0, 1, . . . los eventos
Ak (t1 , t2 )= {en el intervalo de tiempo [t1 , t2 ) se emiten exactamente k partculas}.
Calcularemos la forma de P{Ak (t1 , t2 )}. Las suposiciones de invariancia y falta de

memoria de p
agina 16 se pueden ahora traducir respectivamente as:
S1) P{Ak (s, s + t)} no depende de s
S2) Para todo n, cualesquiera sean t0 < t1 < t2 < . . . < tn y k1 , k2 , . . . , kn , los eventos
Ak1 (t0 , t1 ), . . . , Akn (tn1 , tn ) son independientes.
A las dos suposiciones anteriores hace falta agregar la de que las partculas se emiten de
a una, que informalmente sera:
Sucesos aislados La probabilidad de que en un intervalo corto de tiempo se emita mas de

una partcula, es despreciable comparada con la de que se emita una o ninguna.
DE POISSON Y SUS APLICACIONES
2.5. LA APROXIMACION 23
Sea
gk (t) = P{Ak (s, s + t)}
(depende s olo de t por S1). La g0 es la g de la Secci on 2.2.1.
Para formalizar la tercera suposici on, notemos que la probabilidad de dos o m
as partculas
en [s, s + t) es 1 g0 (t) g1 (t). La idea de que esto es muy peque no para t pequeno, se
expresa con el siguiente postulado:
S3) g0 y g1 son diferenciables en 0, y
1 g0 (t) g1 (t)
lmt0 = 0.
t
Teorema 2.8 Si valen S1, S2 y S3, entonces gk tiene la forma

(ct)k
gk (t) = ect = p(k, ct), (2.19)
k!
donde c es una constante.
Esto son los coeficientes de Poisson definidos anteriormente, con = ct. El valor de c
depende de la situaci on, y se lo puede estimar empricamente. Como se ver a mas adelante
en (4.16), su significado intuitivo es cantidad media de partculas por unidad de tiempo,
y el de 1/c es tiempo medio entre dos partculas.
El modelo descripto por S1, S2 y S3 se llama Proceso de Poisson temporal, y c es la
intensidad del proceso. Note que si t se mide en segundos, c se debe medir en segundos1 .
Se lo usa para modelizar sucesos (emisiones de partculas, llegadas de clientes a una
cola, llamadas telefonicas) que se producen en el tiempo en condiciones representables por
dichas suposiciones.
Demostraci on del Teorema: Dado t, se divide el intervalo [0, t) en n subintervalos
de longitud t/n: [ti , ti+1 ), con ti = (i 1)/n, i = 1, . . . , n. Sea Cn el evento en ninguno
de los n subintervalos se emite m as de una partcula, o sea
n

Cn = {A0 (ti , ti+1 ) A1 (ti , ti+1 )}.
i=1
Probaremos que lmn P(Cn ) = 1. Usando S2 y S1 se tiene
P(Cn ) = (g0 (t/n) + g1 (t/n))n .
Pongamos para abreviar: h(s) = (1g0 (s)g1 (s))/s. Entonces P(Cn ) = {1(t/n)h(t/n)}n .
Cuando n , t/n 0, y S3 implica que h(t/n) 0; y por lo tanto P(Cn ) 1.
Descompongamos ahora
gk (t) = P{Ak (0, t)} = P{Ak (0, t) Cn } + P{Ak (0, t) Cn }. (2.20)
Como lmn P(Cn ) = 0, podemos desembarazarnos del u

ltimo termino de (2.20).
Para tratar el otro, notemos que estamos en una situaci

on an
aloga a la de la Proposici
on
2.7. El evento Ak (0, t) Cn equivale a que hay k subintervalos con una partcula, y n k
con 0 partculas. Descomponiendo como en (2.14), resulta

P{Ak (0, t) Cn } = n g1 (t/n)k g0 (t/n)nk . (2.21)
k
Notese que de la definici on surge que g0 (0) = 1 y g1 (0) = 0. Luego S3 implica

g0 (0) = g1 (0). Sea c = g1 (0). Entonces
lmn ng1 (t/n) = ct, lmn n(1 g0 (t/n)) = ct. (2.22)
Tomando ahora lmite en (2.21), repitiendo el razonamiento de (2.18) y utilizando (2.22),

se obtiene finalmente (2.19).
Los modelos de esta secci on y de la 2.5.1 llegan a la misma f
ormula por caminos distintos;
pero son en verdad equivalentes, en el siguiente sentido. Si en el modelo espacial llamamos
Ak (D) al evento en la regi on D hay k bacterias, la suposici on de homogeneidad espacial
es que P(Ak (D)) depende s olo del volumen de D; y se puede probar que si D1 , . . . , Dm
son regiones disjuntas, entonces Aki (Di ), i = 1, . . . , m son independientes en el lmite,
es decir que m
m
lm P Aki (Di ) = P(Aki (Di ))
i=1 i=1
cuando n y V tienden a infinito. De esta forma se cumplen los analogos de las suposiciones
S1 y S2 del modelo temporal, pero con regiones del espacio en vez de intervalos de la recta.
2.6 Ejercicios
2.1 Probar que, para cada B fijo con P(B) > 0, P(A|B) (como funci on de A) es una
probabilidad; o sea, cumple P1, P2, P3 y P4 de la definici
on 1.1.
2.2 En una f abrica de tornillos, las m

aquinas A, B y C producen respectivamente el 25%,
el 35% y el 40% del total. El 5% de los tornillos producidos por la A, el 2% de la B y
el 3% de la C, son defectuosos. Si de la producci on total se elige un tornillo al azar,
cual es la probabilidad de que sea defectuoso?.
2.3 En una poblacion, el 4% de los varones y el 2% de las mujeres son dalt

onicos. Las
mujeres son el 53% de la poblaci on. Cual es la proporci
on de varones entre los
dalt
onicos?.
2.4 En la situaci
on del problema 2.2, que proporci
on de los tornillos defectuosos proviene
de la maquina A?.
2.5 Probar que y son independientes de cualquier otro evento.

2.6. EJERCICIOS 25
2.6 De un mazo de baraja espa nola se extrae una carta al azar. Los eventos es un as
y es una carta de bastos son independientes?.
2.7 a. Si A B pueden A y B ser independientes?.
b. Si A B = pueden A y B ser independientes?.
2.8 Se supone que las probabilidades de que un ni no nazca var
on o mujer son iguales, y
que los sexos de hijos sucesivos son independientes. Consideramos s
olo familias tipo
(dos hijos).
a. Si una familia tipo elegida al azar tiene (al menos) una ni
na, cu
al es la proba-
bilidad de que esta tenga una hermana?
b. Se elige al azar una ni
na de entre todas las hijas de familias tipo; cu
al es la
probabilidad de que esta tenga una hermana?.
2.9 El dado A tiene 4 caras rojas y 2 blancas; el B tiene 2 rojas y 4 blancas. Se arroja
una vez una moneda equilibrada. Si sale cara se arroja repetidamente el dado A; si
sale ceca, el B.
a. Calcular la probabilidad de rojo en el tiro k-esimo del dado
b. Si los 2 primeros tiros del dado dieron rojo, cu
al es la probabilidad de rojo
en el tercero?
c. Si los n primeros tiros dieron rojo, cu
al es la probabilidad de que el dado sea
el A?.
2.10 Una caja contiene 6 caramelos de menta y 4 de lim on. Se extrae uno al azar. Si es
de menta, se lo reemplaza por dos de lim
on, y viceversa. Luego se vuelve a extraer.
Calcular la probabilidad de que:
a. el segundo caramelo extrado sea de menta
b. el primero sea de menta, si el segundo es de lim
on.
2.11 Se arroja repetidamente un dado para el que la probabilidad de obtener as es p.
Calcular la probabilidad de que:
a. el as no salga jamas
b. el m-esimo as salga en el k-esimo tiro.
2.12 Un borracho camina por la u nica calle de su pueblo. En cada esquina sigue otra
cuadra adelante o atras con probabilidad 1/2. Despues de caminar 6 cuadras, cu al
es la probabilidad de que se encuentre en el punto de partida?. [Este modelo se llama
paseo al azar].
2.13 (Para polemizar) Un jugador observa en una mesa de ruleta que sale colorado 80
veces seguidas. Quiere decidir si en la pr
oxima jugada apuesta a colorado a o a negro.
Como proceder racionalmente?.
2.14 a. Hallar para que valor(es) de k se maximiza b(k; n, p) para n y p dados [ayuda:
ando es el cociente b(k 1; n, p)/b(k; n, p) mayor o menor que 1].
determinar cu
b. Se arroja 12 veces un dado equilibrado. Cu
al es la cantidad de ases con mayor
probabilidad de aparecer?.
c. Encontrar k que maximice p(k; ), procediendo como en el punto (a).
2.15 En (1.7), probar que si N y M/N p, entonces la probabilidad correspondiente
tiende a b(k; n, p) (aproximaci
on del muestreo sin reemplazo por el muestreo con
reemplazo).
2.16 En un bosque hay 100 elefantes: 50 son grises, 30 blancos y 20 rosados. Se eligen al
azar 9 elefantes, con reemplazo. Calcular la probabilidad de que resulten: 4 grises, 2
blancos y 3 rosados.
2.17 Comparar b(k; n, p) con su aproximaci
on de Poisson p(k, np) para n = 100,
p = 0.01, y k = 0, 1, 2.
2.18 Probar que si h es una funci otona tal que h(s+t) = h(s)+h(t) s, t, entonces
on mon
h(t) = at para alguna constante a [notar que eh(t) cumple (2.10)].
Captulo 3
Variables Aleatorias
3.1 Distribuciones
La idea intuitiva de una variable aleatoria es un valor que depende del resultado de un
experimento aleatorio. Mas formalmente tenemos:
on 3.1 Una variable aleatoria con valores en un conjunto X es una funci

Definici on de
X.
El caso mas usual es X = R, y mientras no se diga otra cosa, nos referiremos a variables
aleatorias con valores reales. En general se denotar an las variables aleatorias con letras
mayusculas: X, Y, . . ., y las min
usculas corresponder
an a constantes (es decir, cantidades
no aleatorias). Para abreviar, escribiremos variable en vez de variable aleatoria.
Ejemplo 3.A: Se arroja un dado 2 veces, de modo que = {(1 , 2 )} con 1 , 2
{1, . . . , 6}. Ejemplos de variables definidas para este experimento son:
X = n
umero de veces que sali
o as = card{i : i = 1}
Y = suma de los resultados = 1 + 2
Z = resultado del segundo tiro = 2 .
Definici
on 3.2 La funcion de distribuci
on (FD) de una variable X es la funci
on FX
de R R definida por: FX (x) = P( : X() x) (o abreviadamente, P(X x) ).
En general, lo que importa de una variable es su funci on de distribucion, m

as que su
expresi
on explcita como funci
on definida en alg
un . El subndice X de FX se omitir a
si no hay ambig uedad. Se escribira X F para indicar que la variable X tiene funci
on
de distribuci
on F .
Mostramos a continuaci on algunas propiedades de la FD.
27
28 CAPTULO 3. VARIABLES ALEATORIAS
Proposici
on 3.3 Sea F la FD de X. Entonces:
a. a < b = P(a < X b) = F (b) F (a)
b. a < b = F (a) F (b) (F es no decreciente)
c. lmx F (x) = 1, lmx F (x) = 0
d. x R : P(X = x) = lmtx+ F (t) lmtx F (t) (el salto de F en x)
e. x R : F (x) = lmtx+ F (t) (continuidad por la derecha).
Demostraci on:
a) Sean respectivamente A y B los eventos {X a} y {X b}. Entonces A B, y
por el ejercicio 1.2 es P(a < X b) = P(B A) = P(B) P(A) = F (b) F (a).
b) Por (a): F (b) F (a) = P(B A) 0.
c) Como F es mon otona y acotada (pues 0 F 1), existe el lmx F (x), el que
adem as es igual al lmn F (n) para n entero. Basta probar que este u ltimo lmite es
1. Para ello consideremos la sucesi
on de eventos A n = {X n}, los cuales cumplen
An An+1 , y adem as n An = . Entonces por P4 de la Definici on 1.1 es P() =
lmn P(An ) = lmn F (n).
El otro lmite se prueba usando los eventos {X n} y el ejercicio 1.4.
d) Se razona igual que en la demostraci on de (c), definiendo los eventos
An = {x 1/n < X x + 1/n},
que cumplen:

An An+1 , An = {X = x} y P(An ) = F (x + 1/n) F (x 1/n).
n
e) Se demuestra con el mismo metodo.

Ejemplo 3.B: Se arroja una vez un dado equilibrado. Se toma = {1, . . . , 6}. Sea la
variable X el resultado. Para calcular la FD de X, notemos que si x < 1, es {X x} = y
por lo tanto F (x) = 0. Si 1 x < 2, es {X x} = {1}, de modo que F (x) = P({1}) = 1/6,
. . . ,etc. Finalmente si x 6, es {X x} = lo que implica F (x) = 1. Por lo tanto F es
una escalera con saltos en x = 1, 2, . . . , 6, todos de tama
no 1/6.
Si F es una funcion que cumple las propiedades b, c y e anteriores, se dice que F es
una funcion de distribuci
on. Se puede probar que toda funci
on con dichas propiedades es
la FD de alguna variable aleatoria.
on si P(X A) = P(Y A) A R; se
Se dice que X e Y tienen la misma distribuci
lo denota D(X) = D(Y ).
Dos variables X e Y definidas en el mismo pueden tener la misma distribuci on, y
sin embargo no ser iguales. Por ejemplo: se arroja una vez una moneda equilibrada; sean
X = 1 si sale cara, X = 0 si no; e Y = 1 X. Entonces P(X = 1) = P(Y = 1) = 0.5, o
sea que ambas tienen la misma distribucion; pero P(X = Y ) = 0.
3.1. DISTRIBUCIONES 29
3.1.1 Distribuciones discretas

Definici on discreta si hay un conjunto C R, finito
on 3.4 La variable X tiene distribuci
o infinito numerable, tal que P(X C) = 1.
Sea para x C: pX (x) = P(X = x). Entonces es f

acil verificar que si A R:

P(X A) = pX (x). (3.1)
xAC
En particular,
pX (x) = 1. (3.2)
xC
Tomando en (3.1): A = (, t] resulta

P(X A) = P(X t) = FX (t) = pX (x);
xt
y por lo tanto FX es una escalera con saltos en los x C, de tama no pX (x), como se vio
en el ejemplo 3.B.
La funcion pX de C en [0, 1] es llamada funci
on de frecuencia.
Una distribuci a dada por un conjunto finito o infinito numerable C R
on discreta est
on p(x) 0 definida para x C, que cumpla (3.2).
y una funci
Distribuciones discretas importantes (todas con C Z+ )

Distribuci
on binomial con par ametros n y p:

p(x) = b(x; n, p) = n x
x p (1 p)
nx
(x = 0, 1, . . . , n).
Aparece en (2.13), como la distribuci on de la cantidad de exitos en un esquema de

Bernouilli. Desde ahora se la abreviar
a como Bi(n, p). Dado que los p(x) corresponden a
la distribuci
on de una variable, autom
aticamente cumplen (3.2), o sea
n

b(k; n, p) = 1. (3.3)
k=0
Una verificacion algebraica de (3.3) se puede obtener haciendo el desarrollo del binomio
1 = [p + (1 p)]n (lo cual explica ademas el nombre de binomial).
Si A es cualquier conjunto, se llama indicador de A y se lo escribe IA o I(A) a la
on que vale 1 en A y 0 en A . En An
funci alisis se la suele llamar funci
on caracterstica
de un conjunto; pero en Teora de Probabilidad este u ltimo nombre recibe otro uso, por lo
cual se prefiere el de indicador.
En particular, si A es un evento con probabilidad p, X = IA es una variable
discreta con P(X = 1) = p, P(X = 0) = 1 p; o sea, con distribuci on Bi(1, p). En el
esquema de Bernouilli, si Ai es el evento exito en el intento i-esimoy X es la cantidad

de exitos en n intentos, es
n
X= IAi ; (3.4)
i=1
y por lo tanto toda variable con distribuci

on binomial se puede expresar como suma de
indicadores.
Distribuci
on de Poisson con par
ametro :
x
p(x) = e (x 0).
x!
Aparece en el proceso de Poisson temporal como la distribuci on de la variable cantidad de
sucesos en el intervalo [0, t). Se la indicar
a con Po(). Es f
acil verificar (3.2) recordando
la serie de Taylor para la funcion exponencial.
Distribuci
on geom ametro p (0, 1):
etrica con par
p(x) = p(1 p)x1 (x 1).
En (2.15), es la distribuci
on del n
umero del intento en que se da por primera vez un exito
en el esquema de Bernouilli. Se la indicara con Ge(p). Es facil probar que cumple (3.2),
recordando que

(1 p)x = p1 . (3.5)
x=0
Distribuci
on binomial negativa con par ametros p [0, 1] y m Z+ :

p(x) = p b(m 1, x 1, p) = mx 1 pm (1 p)xm (x m). (3.6)
1
Es la distribuci
on de numero del intento correspondiente al m-esimo exito en un esquema
de Bernouilli (ver (2.16) y ejercicio 2.11), de modo que la geometrica es el caso particular
m = 1.
Es necesario probar (3.2), pues podra ser que nunca hubiera m exitos. Para ello basta
con derivar m veces la identidad (3.5).
Distribuci
on hipergeom ametros N, M, n (M N, n N):
etrica con par

M N M
x nx
p(x) = , (0 x mn(n, M )). (3.7)
N
n
Si se extraen n bolillas sin reemplazo de entre N bolillas, de las cuales exactamente M

son blancas, entonces esta es la distribuci
on de la cantidad de bolillas blancas extradas
(Ejemplo 1.C). Se la indicar a con Hi(N, M, n). El nombre hipergeometrica tiene un
origen ajeno a la Teora de Probabilidad.
Para verificar (3.2) se puede razonar en forma probabilstica como en el caso binomial:
dado que los p(x) corresponden a la distribuci on de una variable aleatoria, la validez de
(3.2) est
a autom aticamente garantizada. Si quiere una verificaci on puramente algebraica,
resuelva el ejercicio 1.18.
on uniforme discreta en el intervalo [n1 , n2 ] (con n1 n2 ):
Distribuci
1
p(x) = (n1 x n2 ).
n2 n1 + 1
Ejemplos simples son los juegos de azar honestos: un tiro de un dado equilibrado
(n1 = 1, n2 = 6) o de ruleta (n1 = 0, n2 = 36). Un uso mas interesante es la generaci
on
computacional de numeros pseudoaleatorios (Secci
on 3.2.1).
3.1.2 Distribuciones continuas

Definici
on 3.5 Una variable X tiene distribucion absolutamente continua si existe una
on fX : R R+ llamada densidad de X tal que
funci

P(X A) = fX (x) dx A R. (3.8)
A
En particular, tomando A = (a, b] resulta para todo intervalo:

b
P(a < X b) = fX (x) dx.
a
Si se hace a = queda x
FX (x) = fX (t) dt x; (3.9)

y por lo tanto
fX (x) dx = 1.

Aplicando en (3.9) el Teorema Fundamental del C alculo Integral, se obtiene que para
una distribuci
on absolutamente continua, FX (x) es una funci on continua para todo x, y su
derivada es fX (x) en todos los x donde fX es continua. De la continuidad de FX y de la
propiedad (d) de la Proposici
on 3.3, se deduce que para todo x, es P(X = x) = 0; y por lo
tanto P(X x) = P(X < x).
Como la expresion absolutamente continua es demasiado larga, se suele hablar sim-
plemente de distribuciones continuas. Sin embargo, hay que tener en cuenta que el hecho
de que FX sea una funcion continua, no implica que la distribuci
on de X sea absolutamente
continua: hay funciones mon otonas y continuas, que sin embargo no son la primitiva de
ninguna funcion [7, Vol. II, sec. I.11]. Por lo tanto, no es lo mismo una funci on de
distribuci
on continua que una distribucion (absolutamente) continua.
Se puede probar que (3.9) implica (3.8), pero la demostraci

on no es elemental.

on que cumple f 0 y f(x) dx = 1, se dice que f es una
Si f es cualquier funci
densidad.
El n
umero fX (x) no es la probabilidad de nada (podra incluso ser > 1). Sin embargo,
se le puede hallar una interpretacion intuitiva cuando fX es continua. En ese caso
P(x < X < x + ) = 2fX (x) + o(),
donde o es un infinitesimo de orden mayor que ; de manera que fX (x) sirve para
aproximar la probabilidad de un intervalito alrededor de x.
El subndice X se omitir
a de fX cuando no haya lugar a confusi
on.
Distribuciones continuas importantes

Distribuci
on exponencial con par
ametro > 0: tiene funci
on de distribuci
on
F (t) = 1 et/ si t 0, F (t) = 0 si t < 0,
y por lo tanto su densidad es

1 t/
f (t) = e si t 0, f (t) = 0 si t < 0, (3.10)

o, mas compactamente: f(t) = 1 et/ I(t 0), donde I es el indicador. Se denotar aa
esta distribuci
on con Ex().
En la Secci
on 2.2.1, sea la variable T el instante en que se emite la primera partcula
despues del instante 0. Entonces all se dedujo que P(T t) = ect , y por lo tanto
T Ex(1/c).
Distribuci
on uniforme (o rectangular) en el intervalo [a, b]. Se define por su densidad:
1
f(x) = si a x b; f (x) = 0 si no;
ba
o, mas compactamente, f (x) = (b a)1 I(a x b). Se la indicar
a con Un(a, b). Cuando
se hable de elegir un punto al azar en un intervalo, se referir
a siempre a la uniforme si
no se dice otra cosa.
La aplicaci
on mas importante se ver
a en generaci
on de n
umeros aleatorios, en la Secci
on
3.2.1. Otra situaci
on donde se podra aplicar es: el tiempo de espera de un pasajero que
llega a la parada de un tranva del que sabe que pasa exactamente cada 10 minutos, pero
ignora el horario. Una representacion de esta ignorancia podra obtenerse suponiendo que
el tiempo de espera tiene distribucion uniforme en (0,10).
Distribuci
on normal (o Gaussiana) Se define primero la densidad normal tpica (o stan-
dard) como
1 2
(x) = ex /2 .
2

Obviamente es > 0. Para verificar que es una densidad, falta comprobar que = 1.
(El lector no habituado a integrales dobles puede hacer un acto de fe y seguir de largo).
2
Sea a = ex /2 dx. Hay que probar que a2 = 2. Para ello, notar que

2 x2 /2 y 2 /2 2 2
a = e dx e dy = e(x +y )/2 dx dy;

y tomando, en la integral doble, coordenadas polares (r, ) queda

2
2
2
a = d er /2 r dr = 2.
0 0
Desde ahora se indicar an con y la densidad normal tpica y la correspondiente funci

on
de distribuci on. La funci
on no se puede calcular en forma explcita, pero en el Apendice
al final del libro hay una tabla de la misma.
Se define la distribucion normal con par ametros R y 2 (con > 0) y se la
2
escribe N(, ) a la distribuci on definida por la densidad

1 x
,

as que la normal tpica es N(0, 1).
Distribuci
on de Weibull con par
ametros > 0 y > 0 : tiene funci
on de distribuci
on

F (t) = (1 e(t/) ) I(t 0). (3.11)
Se la denotara We(, ). Es usada en Confiabilidad para modelizar tiempos de falla, y en
Hidrologa para distribuciones de valores extremos. Para = 1 se tiene la exponencial.
Distribuci
on Gama con par
ametros y . Primero definimos la funci
on Gama:

(s) = us1 eu du, s > 0.
0
Es f
acil verificar integrando por partes que (s + 1) = s(s). Como (1) = 1, resulta
(n) = (n 1)! para n natural, de modo que esta funci
on generaliza el factorial. Ahora se
define la densidad de la distribuci
on Gama:
1
1 t
f (t) = et/ I(t 0). (3.12)
()
Se la indicar a Ga(, ). Contiene a la exponencial como el caso = 1. Se usa para
modelizar tiempos de espera. En el proceso de Poisson con intensidad c, sea T el instante
en que se produce el m-esimo suceso. Dado t > 0, sea N la cantidad de sucesos en el
intervalo [0, t]. Entonces T > t N < m, y como N Po(ct), es
m1
m1
(ct)k
1 FT (t) = P(T > t) = p(k; ct) = ect ,
k!
k=0 k=0
y derivando se obtiene la densidad de T :

(ct)m1
f(t) = cect , (3.13)
(m 1)!
y por lo tanto
T Ga(1/c, m). (3.14)
En la Secci
on 10.2.2 se ver
a el papel de la distribuci
on Gama en Estadstica.
3.1.3 Mezclas
Consideremos dos especies de peces. La longitud de los de la primera tiene distribuci
on
G1 , y los de la segunda G2 . Si nadan mezclados por el mar, en proporciones 10% y 90%,
entonces la distribucion de la longitud L de un pez capturado al azar de la poblacion
conjunta se obtiene por la regla de Probabilidad Compuesta. Sean A1 y A2 los eventos de
que el pez pertenezca a la especie 1 o la 2. Entonces
FL (t) = P(L t) = P(L t|A1 ) P(A1 ) + P(L t|A2 ) P(A2 ) = G1 (t) + (1 )G2 (t),
con = 0.1. Esto se llama mezcla de G1 y G2 . Si ambas son continuas, tambien lo es
su mezcla; lo mismo sucede si son discretas. Pero si son una discreta y otra continua, la
mezcla no es ninguna de las dos cosas.
Ejemplo 3.C: Datos censurados El tiempo de duraci on de una l
ampara tiene funci
on
de distribuci
on G con densidad g. La lampara es reemplazada cuando se quema, o cuando
ha funcionado por h horas (lo que suceda primero). Sea T el tiempo hasta el reemplazo.
Entonces FT (t) = G(t) si t < h, y FT (t) = 1 si t h; de modo que FT es continua hasta
no 1 G(h). Esto se llama una distribuci
h, pero tiene un salto en h, de tama on censurada
por la derecha. Esta es una de mezcla de una distribuci on continua con una discreta:
FT = pG1 + (1 p)G2 , donde p = G(h), G1 es la distribucion con densidad g(x)I(x < h)/p,
on concentrada en h : G2 (t) = I(t h). De manera que aqu tenemos
y G2 es la distribuci
un ejemplo concreto de una distribucion que no es ni continua ni discreta.
Aqu los datos mayores que h no se sabe cu anto valen, pero se sabe que est
an. Hay
situaciones en que los valores fuera de un intervalo no llegan a dar senas de que existen
(ejercicio 3.7). Esas son distribuciones truncadas.
3.2 Transformaciones de variables aleatorias

Sean X una variable, h una funcion de R en R, e Y = h(X). C omo calcular FY conociendo
FX ?.
Al menos en un caso hay una respuesta simple. Sea I un intervalo (finito o infinito,
puede ser I = R) tal que P(X I) = 1, y que h sea creciente y continua en I. Entonces
existe la inversa h1 , que es tambien creciente, y por lo tanto
FY (y) = P(Y y) = P(h(X) y) = P(X h1 (y)) = FX (h1 (y)). (3.15)
3.2. TRANSFORMACIONES DE VARIABLES ALEATORIAS 35
Si X tiene distribuci
on continua, y si h es diferenciable, de (3.15) sale, derivando, que
dh1 (y) fX [h1 (y)]

fY (y) = fX [h1 (y)] = 1 . (3.16)
dy h [h (y)]
Note que no es necesario que h sea creciente en todo R. Por ejemplo, si X 0 e Y = X 2 ,

se puede aplicar (3.15) porque h es creciente en R+ .
Si h es decreciente, el mismo razonamiento muestra que
fX [h1 (y)]
fY (y) = . (3.17)
|h [h1 (y)]|
Por ejemplo, esto muestra que D(1 U) = D(U ) si U Un(0, 1).

De (3.15) sale f
acilmente que
X
X N(, 2 ) N(0, 1). (3.18)

Un caso particular importante de (3.15) es cuando h = FX , y FX es creciente y continua.
Entonces, Y = FX (X) toma valores en [0, 1], y (3.15) implica que para y (0, 1) es
1
FY (y) = FX (FX (y)) = y; y en consecuencia
FX (X) Un(0, 1). (3.19)
Si h no es mon otona, pero es creciente o decreciente por trozos, se puede usar la idea
de (3.17), requiriendo cada caso un an alisis particular y m
as paciencia. Por ejemplo, si
Y = |X|, y FX es continua, se puede obtener, para y 0:
FY (y) = P(y X y) = FX (y) FX (y);
y por lo tanto, fY (y) = [fX (y) + fX (y)] I(y 0).

Ejemplo 3.D: Sea U Un(0, 1), y sea Z la longitud de aquel de los segmentos
(0, U ), (U, 1), que contiene al punto 0.5. Se trata de calcular D(Z).
Notemos que Z [0.5, 1], y que Z = h(U ), donde

u si u 0.5
h(u) = m ax(u, 1 u) =
1 u si u < 0.5.
otona (grafquela), pero se ve enseguida que para z [0.5, 1] es

Esta h no es mon
P(Z z) = P(U z 1 U z) = z (1 z) = 2z 1,
de modo que la densidad es fZ (z) = 2 I(0.5 z 1), o sea, Z Un(0.5, 1).

Otra manera de pensarlo sera as: si Z = max(U, 1 U), entonces Z es, o bien U ,
o bien 1 U ; y como ambas son Un(0, 1), lo mismo debe suceder con Z. Pero esto no
coincide con lo obtenido anteriormente!. Donde est
a el error?.
La falla de este razonamiento est a en que Z es una de U o 1 U , pero no una

cualquiera: se la elige seg un el valor de U . Si en cambio se eligiera a una de las dos al
azar sin fijarse en el valor de U , el resultado seguira siendo Un(0, 1) (ejercicio 3.4).
acil probar que si X tiene densidad f , entonces cX |c|1 f (x/|c|), y
De (3.17) es f
X + c f (x c). Una familia de distribuciones f de la forma f (x) = c1 f0 (x/c) para
c > 0 donde f0 es una densidad dada se llama familia de escala, y c es un par ametro
de escala. Una familia de la forma f (x) = f0 (x c) es una familia de posici
on o traslaci
on.
La exponencial es una familia de escala, y la normal es de escala y posici on.
Ejemplo 3.E: Weibull La Weibull se puede expresar como una familia de escala y
on tomando logaritmos. En efecto, si X F = We(, ), entonces Y = ln X tiene
posici
y
FD: G(y) = F (ey ) = H((y )/) donde H(y) = 1 ee , = ln y = 1/.
Una distribuci
on que cumple
D(X c) = D(c X). (3.20)
se llama simetrica respecto de c. Es inmediato que si X tiene densidad f y FD F , (3.20)

es equivalente a
F (c + x) + F (c x) = 1 y f (c + x) = f (c x) x. (3.21)
En particular, N(, 2 ) es simetrica respecto de por ser una funci

on par, o sea, (x) =
(x).
3.2.1 Aplicaciones a simulaci

on
Como simular en una computadora situaciones donde interviene el azar?. Si bien la com-
putadora es (generalmente) un aparato determinista, se puede hacer que genere n umeros
seudoaleatorios que no son aleatorios, pero lo parecen que podemos tomar como va-
lores de variables con distribucion Un(0, 1). Abundante informaci on sobre la generacion de
numeros seudoaleatorios se puede encontrar en [15] y [12, Vol. 2]. Nuestro punto de partida
es que se cuenta con un generador de n umeros aleatorios: un algoritmo que produce una
sucesion de numeros que se pueden considerar como aleatorios con distribuci on uniforme
en el intervalo [0, 1]. En realidad, se trata de una distribuci
on discreta, pero pr
acticamente
indistinguible de Un(0, 1); ver el ejercicio 3.14.
Suponiendo entonces que contamos con una variable U Un(0, 1), la cuesti on es c
omo
obtener de ella una variable con distribuci on F dada cualquiera.
Una posibilidad es usar (3.19) al reves. Sea F una funci on de distribuci
on continua y
creciente, y definamos X = F 1 (U). Entonces P(X x) = P(U F (x)) = F (x), lo que
muestra que
U Un(0, 1) = F 1 (U) F. (3.22)
De esta forma se pueden obtener variables con funci
on de distribuci
on F dada, si F es
continua y creciente. Por ejemplo, para generar la distribuci on Ex(), es
CONJUNTA DE VARIAS VARIABLES
3.3. DISTRIBUCION 37
F 1 (u) = ln(1 u), y por lo tanto se puede definir
X = ln(1 U ). (3.23)
Este metodo se puede extender te oricamente para F cualquiera (ejercicio 3.20). Pero
no siempre es pr actico calcular F 1 , y en esos casos conviene usar metodos que usan
propiedades especficas de la F que interesa. Un procedimiento para la normal se ver a en
la Seccion 5.3.
Para distribuciones discretas, el lector puede facilmente encontrar un metodo general
(ejercicio 3.16). Pero tambien puede ser m as eficiente usar caractersticas particulares de
las distribuciones, como en los ejercicios 3.18 y 3.19.
3.3 Distribuci
on conjunta de varias variables
Si X e Y son dos variables definidas en el mismo , podemos considerarlas como un par de
on que a cada le asigna el punto del plano de coordenadas
variables, o como una funci
(X(w), Y (w)), o sea, una variable aleatoria con valores en R2 .
Definicion 3.6 La funci

on de distribuci on de R2 R:
on conjunta de (X, Y ) es una funci
FX,Y (x, y) = P(X x Y y).
O sea, FX,Y (x, y) = P((X, Y ) A) donde A es el rect angulo (, x] (, y]. El

subindice X, Y se omitir
a cuando no haya lugar a confusi on. As como en el caso de una
variable, conociendo su funci
on de distribuci
on se puede calcular f
acilmente la probabilidad
de un intervalo (propiedad (a) de Prop. 3.3), el siguiente resultado da para dos variables
la probabilidad de cualquier rect
angulo a partir de FX,Y .
Proposici
on 3.7 Si a < b y c < d, es
P(a < X b c < Y d) = F (b, d) F (a, d) F (b, c) + F (a, c). (3.24)
Demostraci on: Basta con descomponer el rect angulo (a, b] (c, d] en rect
angulos semi-
infinitos como los que aparecen en la definici
on de F :
P(a < X b c < Y d) = P(X b c < Y d) P(X a c < Y d);
y descomponiendo de la misma forma cada uno de los dos terminos, se llega al resultado.

on conjunta que X , Y , si P((X, Y ) A) =
Se dice que X, Y tienen la misma distribuci
P((X , Y ) A) A R . Se lo escribe D(X, Y ) = D(X , Y ).
2
on conjunta de (X, Y ) es discreta si existe un conjunto C R2 finito

La distribuci
o infinito numerable, tal que P((X, Y ) C) = 1. En tal caso se usar a la notaci
on
pX,Y (x, y) = P(X = x Y = y) para (x, y) C, y pX,Y ser a llamada funci on de fre-
cuencia conjunta.
De la definici
on sale

P((X, Y ) A) = p(x, y) A R2 , (3.25)
(x,y)AC
y en particular
p(x, y) 0 y p(x, y) = 1. (3.26)
(x,y)C
Ejemplo 3.F: Distribuci on multinomial Una poblaci on se divide en m estratos, con

probabilidades p1 , . . . , pm . Se toma una muestra de n individuos con reposici on (ver ejer-
cicio 2.16). Sea Ni , (i = 1, . . . , m) la cantidad de individuos muestreados del estrato i. La
distribuci
on conjunta de N1 , . . . , Nm obviamente discreta est a dada por
m

n!
P(N1 = n1 . . . Nm = nm ) = pn1 . . . pnmm , 0 ni n, ni = n, (3.27)
n1 ! . . . nm ! 1
i=1

que se deduce como la Prop. 2.7. Esta es la distribucion multinomial. Como i Ni = n,
cualquiera de las m variables puede ser expresada en funci
on de las restantes. La binomial
corresponde a m = 2.
La distribuci
on conjunta de (X, Y ) es continua si existe una funci on fX,Y : R2 R+
2
llamada densidad conjunta de X, Y tal que para todo A R

P((X, Y ) A) = f (x, y) dx dy = f (x, y) IA (x, y) dx dy. (3.28)
A
Tomando A = R2 resulta
f (x, y) dxdy = 1. (3.29)

Tomando A = (, x] (, y] se obtiene
y x
FX,Y (x, y) = fX,Y (s, t) ds dt; (3.30)

y derivando se tiene
2 F (x, y)
f (x, y) = , (3.31)
x y
en todos los (x, y) donde f es continua.
Ejemplo 3.G: Distribuci on uniforme bivariada Sea B cualquier regi
on del plano, con
area b < . Se define la distribuci
on uniforme en B mediante la densidad
1
f(x, y) = IB (x, y). (3.32)
b
CONJUNTA DE VARIAS VARIABLES
Si bien los casos discreto y continuo son de lejos los m

as usuales, puede haber situaciones
mixtas, y otras m as complicadas (ejercicio 5.12).
El tratamiento de distribuciones conjuntas de m variables es completamente an alogo;
ahora las funciones de distribuci on, de frecuencia o de densidad depender an de m argu-
mentos.
En muchos modelos se trata no con conjuntos finitos sino con familias infinitas de vari-
ables, llamadas procesos estoc asticos. Por ejemplo, en el proceso de Poisson sea para
cada t la variable Xt igual a la cantidad de sucesos hasta el instante t. La familia
{Xt : t R} es un ejemplo de proceso estoc astico con tiempo continuo. Si en el paseo al
azar del ejercicio 2.12 llamamos Xn a la posici on del borracho despues de andar n cuadras,
esto es un ejemplo de proceso estoc astico con tiempo discreto. Un ejemplo importante se
puede ver en la Secci on 7.3.3.
Distribuciones marginales
Conociendo la distribuci on conjunta de (X, Y ), se pueden calcular la distribuci
on de X y
la de Y , de la siguiente manera:
Proposici
on 3.8
a. En general: FX (x) = lmy FX,Y (x, y).

b. En el caso discreto: pX (x) = y pX,Y (x, y).

c. En el caso continuo: fX (x) = fX,Y (x, y) dy.
Demostraci on: El primer resultado se prueba igual que (c) de Prop. 3.3. El segundo es
trivial. El tercero se deduce calculando primero FX y luego derivando.
Las distribuciones de X y de Y se llaman marginales de D(X, Y ). Conocer las marginales
no implica conocer la distribucion conjunta, como se ver
a a continuaci
on.
Ejemplo 3.H: Se arrojan dos monedas equilibradas, distinguibles; la variable X es el
indicador de que salga cara en la primera moneda; idem Y en la segunda. Consideremos tres
casos: en el primero, los cantos de las monedas est an soldados, con las dos caras hacia el
mismo lado; en el segundo, lo mismo pero las caras est an opuestas; en el tercero, se arroja
cada moneda separadamente. Estos tres casos describen tres distribuciones conjuntas de
(X, Y ). El lector puede verificar que son distintas, pero tienen todas las mismas marginales:
P(X = 1) = P(X = 0) = P(Y = 1) = P(Y = 0) = 0.5.
La distribuci
on conjunta contiene m as informaci on que las marginales, pues contiene
informacion sobre la dependencia entre las variables.
El tratamiento de m variables X1 , . . . , Xm es an alogo. Por ejemplo, en el caso continuo
con densidad conjunta f, la densidad marginal de X1 es

fX1 (x1 ) = ... f (x1 , x2 , . . . , xm ) dx2 . . . dxm .

3.4 Independencia de variables aleatorias

on 3.9 Las variables X e Y son independientes si para todo A, B R, los eventos
Definici
{X A} e {Y B} son independientes.
Tomando A = (, x] y B = (, y] se deduce que la independencia implica
FX,Y (x, y) = FX (x)FY (y). (3.33)
La implicaci
on inversa es tambien v alida, pero la demostracion no es elemental.
Usando (3.33) se verifica f
acilmente que la independencia de X e Y equivale en el caso
discreto a
pX,Y (x, y) = pX (x) pY (y) si (x, y) C,
y en el continuo a
fX,Y (x, y) = fX (x)fY (y).
La independencia de X e Y equivale a que existan funciones g y h tales que
p(x, y) = g(x)h(y) (caso discreto) (3.34)

f (x, y) = g(x)h(y) (caso continuo). (3.35)
En efecto, si (3.35) se cumple, integrando respecto de y se deduce que fX (x) = cg(x) donde
c es una constante; y lo mismo con fY . Por lo tanto, para verificar independencia basta
comprobar que p(x, y) o f (x, y) se pueden factorizar como alguna funci on de x por alguna
de y, siendo innecesario verificar que se trata de las funciones de frecuencia o de densidad
marginales. Este insignificante detalle puede ahorrar muchas cuentas.
Ejemplo 3.I: Tiempos de espera: Bernouilli En el esquema de Bernouilli sea S el
n
umero del intento en que se produce el primer exito, y T la cantidad de intentos entre el
primer y el segundo exitos, de modo que U = S + T es el intento en que se da el segundo
exito. Mostraremos que S y T son independientes. En efecto, el evento {S = s T = t}
equivale a {S = s U = s + t}, o sea, que haya exitos en los intentos s y s + t y fracasos
en los demas, es decir
P(S = s T = t) = p2 (1 p)s+t2 = p(1 p)s1 p(1 p)t1 ,
que es una funcion de s por una de t, y por lo tanto S y T son independientes. Adem as
se deduce que T tiene la misma distribuci on que S, o sea Ge(p); y en consecuencia los
tiempos de espera entre exitos sucesivos tienen la misma distribucion que el tiempo entre
el comienzo y el primer exito, lo que corresponde a la idea intuitiva de que el proceso no
tiene memoria. Como si eso fuera poco, resulta sin hacer ninguna cuenta que la suma de
dos geometricas independientes con el mismo par ametro es binomial negativa.
La nocion de independencia se extiende en forma natural para cualquier conjunto finito
o infinito de variables.
3.4. INDEPENDENCIA DE VARIABLES ALEATORIAS 41
Definicion 3.10 Las variables X1 , . . . , Xm son independientes si para todo A1 , . . . , Am

R, los eventos {Xi Ai }(i = 1, . . . , m) son independientes. Las variables Xi , i = 1, 2, . . .
(sucesi
on infinita) son independientes si para todo m, son X1 , . . . , Xm independientes.
Esto nos permite completar el concepto de un generador (idealizado) de numeros aleato-

rios (Secci
on 3.2.1), como un algoritmo capaz de producir una sucesi
on infinita de variables
Un(0, 1) independientes.
Ejemplo 3.J: Tiempos de espera: Poisson Sean S y T los instantes correspondientes
al primero y al segundo suceso en un proceso de Poisson con intensidad c. Calcularemos
la distribuci
on conjunta de S y T .
Sea la variable Xt la cantidad de partculas emitidas hasta el instante t, de modo que
la cantidad de partculas entre los instantes s y t es Xt Xs para s < t. Entonces, la
condici on equivale a que las variables Xti+1 Xti (i = 1, . . . , n 1)
on (S2) de dicha secci
son independientes.
Dados s < t, Xs y Z = Xt Xs son independientes con distribuciones Po(cs) y
Po(c(t s)). Entonces
P(S > s T > t) = P(Xs = 0 Xt 1)

= P(Xs = 0 Z 1) = ecs ec(ts) (1 + c(t s)). (3.36)
Como por el ejercicio 1.3 es
FS,T (s, t) = 1 P(S > s T > t) = FS (s) + FT (t) 1 + P(S > s T > t),
derivando (3.36) se obtiene la densidad conjunta de S, T : fS,T (s, t) = c2 ect I(s < t).
Si dos variables son independientes, las funciones de ellas tambien lo son. Sean X1 , X2
independientes, u1 , u2 dos funciones de R R, Yi = ui (Xi ) (i = 1, 2). Entonces Y1 e Y2
son independientes. Por ejemplo, X12 y cos X2 son independientes. Para probarlo, usamos
on: sean A1 , A2 R cualesquiera; y sean Bi = {x : ui (x) Ai }, (i = 1, 2).
la definici
Entonces
P(Y1 A1 Y2 A2 ) = P(X1 B1 X2 B2 )
= P(X1 B1 ) P(X2 B2 ) = P(Y1 A1 ) P(Y2 A2 ).
M
as en general:
Proposici on 3.11 Sean las Xi independientes (i = 1, . . . , n); sea m < n, y sean Y1 =

u1 (X1 , . . . , Xm ), Y2 = u2 (Xm+1 , . . . , Xn ), donde u1 y u2 son funciones de m y de n m
variables. Entonces, Y1 e Y2 son independientes.
Por ejemplo, X1 + X2 es independiente de X3 X4 . La demostraci

on de esta Proposici
on no
es elemental.
3.5 Ejercicios
Secci
on 3.1
3.1 Calcular la funci

on de distribuci
on de la geometrica.
3.2 Hallar la constante c tal que f (x) = c/(1 + x2 ) sea una densidad. Calcular la corres-
pondiente funcion de distribucion (distribuci
on de Cauchy).
3.3 Calcular la funci

on de distribuci
on de Un(a, b).
3.4 Sea U Un(0, 1).
a. Sea Z la longitud de aquel de los intervalos (0, U ) o (U, 1) que contenga al punto
0.2. Calcular D(Z).
b. Supongamos que en cambio se arroja un dado, y se elige un intervalo o el otro
seg
un salga as o no. Hallar la distribuci
on de la longitud del intervalo elegido.
3.5 Verificar que IAB = IA IB = mn (IA , IB ).
3.6 La poblacion de un pas est

a compuesta por 40% de pigmeos y 60% de watusis.
La estatura de los primeros (en centmetros) tiene distribuci
on N(120, 20), y la de
los segundos, N(200, 30). Sea X la estatura de un individuo elegido al azar en la
poblaci
on. Calcular fX y hacer un grafico aproximado.
3.7 La longitud de los peces de una laguna (en cm.) tiene densidad f (x) = cx(20x)I(0 <
x < 20) siendo c una constante. Un bi ologo quiere estimar f y para ello captura
peces con una red, cuyas mallas dejan escapar los peces menores de 3 cm.. Hallar
la densidad que obtiene el biologo (esto se llama una distribuci on truncada por la
izquierda).
Secci
on 3.2
3.8 Si X N(0, 1), calcular la densidad de X 2 .
3.9 Si X N(, 2 ), calcular la densidad de eX (distribuci

on lognormal con par
ametros
y ).
3.10 Se corta una varilla de mimbre en un punto al azar. Calcular la probabilidad de que
la longitud del lado mayor sea el doble de la del menor.
on del primer dgito en el desarrollo decimal de U, donde U

3.11 Calcular la distribuci
Un(0, 1).

3.12 a. Mostrar que (1/2) = .
b. Probar que si X N(0, 1) entonces X 2 tiene distribuci
on Ga(2, 1/2).
3.5. EJERCICIOS 43
3.13 Mostrar que la familia Un(a, b) es de escala y posici

on.
Secci
on 3.2.1
3.14 Un algoritmo computacional produce un n umero que se puede considerar como una
on uniforme discreta en [1, m] con m = 232 . Sea
variable alaetoria Z con distribuci
U = Z/m. Probar que |FU (u) G(u)| 1/m, donde G es la FD de Un(0, 1).
3.15 Defina algoritmos que a partir de una variable U Un(0, 1), generen variables con
distribuciones:
a. Un(a, b)
b. de Cauchy (ejercicio 3.2)
c. We(, ).
3.16 Si F es la FD de una variable entera y U Un(0, 1), sea Y la variable definida por
Y = k si F (k 1) < U F (k) (k entero). Pruebe que Y F .
Utilice este resultado para simular un tiro de un dado equilibrado.
3.17 Verifique que, si U Un(0, 1), es D(U ) = D(1 U ). C omo aprovechar esto para
simplificar el algoritmo dado en (3.23) para generar exponenciales?
3.18 Pruebe que si X tiene distribuci on exponencial, entonces Y = [X] + 1 (donde [.]
es la parte entera) tiene distribuci
on geometrica. Obtenga de aqu un algoritmo para
generar Ge(p) con par ametro p (0, 1) dado.
3.19 Defina un algoritmo para generar una variable Bi(n, p) usando (3.4).
3.20 *[Optativo] Sea F una funci on de distribuci on cualquiera. Sea para u (0, 1) :
F (u) = inf{x : F (x) u} (donde inf es el nfimo, o sea, la mayor de las cotas
inferiores de un conjunto). Probar que si U Un(0, 1), entonces X = F (U ) tiene
funcion de distribuci
on F . [Ayuda: recordar que F es continua por la derecha]. Para
verlo intuitivamente, haga el grafico de F a partir del de F .
afico de F del ejercicio anterior para la funci
3.21 Haga el gr on de distribuci
on F de la
uniforme discreta en [1, 3].
Secci
on 3.3
3.22 La distribuci angulo [2, 4] [3, 7]. Son
on conjunta de X e Y es uniforme en el rect
X e Y independientes?. Calcular las marginales.
3.23 De un mazo de baraja espanola se extraen repetidamente cartas con reposici
on. Sean
U y V los n
umeros de las extracciones en que salen el primer oro y la primera copa.
Son variables independientes?.
3.24 Los barrotes de una verja estan separados por 20 cm. Se arroja contra ella una pelota
de di
ametro 10 cm. Calcular la probabilidad de que la pelota atraviese los barrotes
(suponiendo que estos sean muy altos y la verja sea muy extensa).
3.25 Una caja contiene n bolillas numeradas de 1 a n. Se extraen dos bolillas sin reposici
on.
Sean respectivamente X e Y los resultados de la primera y la segunda bolilla. Calcular
la distribuci
on conjunta y las marginales.
3.26 En el ejercicio 3.11, calcular la distribuci
on conjunta de los primeros dos dgitos.
Son independientes?.
3.27 En el esquema de Bernouilli, sea Tm el n
umero del intento correspondiente al m-esimo
exito.
a. Probar que si m < n, son Tm y Tn Tm independientes [recordar el Ejemplo
3.I].
b. Probar que si X es binomial negativa con par ametros m y p y X1 , . . . , Xm son
Ge(p) independientes, es D(X) = D( m i=1 Xi ).
Captulo 4
Valor Medio y Otros

Par
ametros
En este captulo se tratar

a de c
omo sintetizar las caractersticas m
as importantes de una
distribuci
on en unos pocos n umeros.
4.1 Valor medio

El valor medio de una variable aleatoria (llamado tambien esperanza matem
atica, valor
esperado, media) es esencialmente un promedio de los valores que toma, en el que cada
valor recibe un peso igual a su probabilidad.
Definici
on 4.1 El valor medio E X de una variable X discreta con valores en el conjunto
C y funci
on de frecuencia p es
EX = xp(x),
xC

si se cumple xC |x|p(x) < . El valor medio de una variable X con distribuci
on
continua con densidad f es
EX = xf (x)dx,

si se cumple
|x|f (x) dx < .
Para una analoga fsica, si los x son masas puntuales en la recta, cada una con peso p(x),
entonces
el punto EX es el centro de gravedad de esas masas.
Si x |x|p(x) o |x|f(x)dx divergen, se dice que EX no existe. Si X es acotada
inferiormente (o sea, P(X c) = 1 para alg un c) y no existe EX, entonces se dice que
EX = .
Sale directamente de la definici on que si X = c constante, es EX = c.
45
46
CAPTULO 4. VALOR MEDIO Y OTROS PARAMETROS
Como el indicador IA es una variable discreta que toma los valores 1 y 0 con probabi-
lidades P(A) y 1 P(A) respectivamente, se deduce de la definici
on que
E IA = P(A). (4.1)
Note que EX depende s olo de la distribucion de X, de modo que se puede tambien
hablar de media de una distribuci on.
La definici
on se extiende de manera obvia a mezclas de distribuciones continuas y
discretas (seccion 3.1.3). Se puede definir EX en general, sin separar los casos discreto y
continuo. Pero eso requerira el concepto de integral de Stieltjes, que no sera adecuado
para el nivel elemental de este curso.
Por que pedir no s olo que la serie o la integral que definen EX converjan, sino que
adem as lo hagan absolutamente?. Los motivos son b asicamente tecnicos: si no fuera
as, podran no valer las propiedades m as importantes de la media, tal como E(X + Y ) =
E X + E Y que se ver a luego. En el caso discreto, hay un motivo m as directo. Si una
serie converge, pero no absolutamente, el valor de la suma puede alterarse arbitrariamente
cambiando el orden de los terminos. Pero como la numeraci on de los x es arbitraria, el
valor de EX no debiera depender de en que orden se los numere.
Ya que no podemos dar una definici on unificada de EX, se puede al menos comprobar
que las definiciones para los casos discreto y continuo son coherentes entre s, en el sentido
de que la definicion para el segundo se puede obtener como caso lmite del primero (ejercicio
4.23). Pero la mejor justificaci on del concepto de valor medio se vera en el Captulo 7 al ver
la Ley de Grandes N umeros, donde se mostrar a la relaci
on entre EX y la media emprica.
A continuacion damos algunas propiedades importantes de la media. La mayora de las
demostraciones exigir an una irritante separaci on entre los casos continuo y discreto.
4.1.1 Media de funciones de variables aleatorias

Sean u : R R, Y = u(X). Si se quiere calcular E Y por la definici
on, habra que obtener
primero D(Y ), lo que puede ser complicado. Pero hay una manera de hacerlo directamente:

E u(X) = u(x)p(x) (caso discreto) (4.2)
x

= u(x)f (x)dx (caso continuo), (4.3)

siempre que

|u(x)| p(x) < o |u(x)| f(x) dx < ,
x
respectivamente.
La probamos para X discreta. Los valores que toma Y ser an y = u(x) con x C. Si u
es inyectiva, la demostraci
on es trivial:

EY = yP(Y = y) = u(x)P(u(X) = u(x)) = u(x)P(X = x).
y x x
4.1. VALOR MEDIO 47
Si u es una funci
on cualquiera, sea para cada y en la imagen
de u, el conjunto Ay =
{x C : u(x) = y}. Entonces, como los Ay son disjuntos y y Ay = C, resulta

EY = yP(Y = y) = u(x) P(X = x) = u(x)P(X = x) = u(x)p(x).
y y xAy y xAy x
La demostraci
on para el caso continuo excede el nivel de este libro.
En particular, si EX existe y c es una constante, es
E(cX) = c EX. (4.4)
Lo mismo vale para funciones de dos o m as variables. Sea u una funcion de R2 R.
Entonces

Eu(X, Y ) = u(x, y) p(x, y) (caso discreto) (4.5)
x y

= u(x, y)f (x, y)dxdy (caso continuo), (4.6)

si
|u(x, y)|p(x, y) < o |u(x, y)|f (x, y)dxdy < ,
respectivamente.
La demostracion para el caso discreto es exactamente igual que la de la propiedad (4.3)
para una sola variable: que el problema sea uni- o bidimensional no desempe na ning
un
papel. Para el caso continuo, la demostracion no es elemental.
4.1.2 Media de una suma

Se probar
a que, si existen E X y E Y , es
E(X + Y ) = E X + E Y. (4.7)
Lo haremos en el caso continuo, aplicando (4.6) con u(x, y) = x + y. Notemos primero
que
la existencia de E X y E Y implica la de E(X + Y ). Para ello hay que verificar que
|x + y|f (x, y) dxdy es finita, lo que sale inmediatamente de |x + y| |x| + |y|.
Aplicando entonces (4.6), se obtiene

E(X + Y ) = (x + y)f (x, y) dx dy

= x f (x, y) dy dx + y f(x, y) dx dy.

Pero la integral interior del primer termino es fX (x), y la otra es fY (y) (Proposici
on 3.8),
por lo cual queda

E(X + Y ) = xfX (x) dx + yfY (y) dy = E X + E Y.

48
La demostraci
on para el caso discreto es an
aloga, con sumas en vez de integrales.
Combinando este resultado con (4.4) resulta
E(a X + b Y ) = a E X + b E Y. (4.8)
Ejemplo 4.A: En el ejemplo 1.A, calculemos la media del n umero N de ni

nos que
se quedan sin caramelo. M acil que tratar de calcular D(N ) es escribir N = ni=1 IAi ,
as f
donde Ai es el evento el ni no i-esimo se queda sin caramelo, que tiene probabilidad
(1 1/n)c ; y por lo tanto EX = n(1 1/n)c .
4.1.3 Media de un producto

A diferencia de la suma, no hay una f ormula general para la media de un producto; pero
la hay en el caso de independencia: si X e Y son independientes, y sus medias existen, es
E(XY ) = EX E Y . (4.9)
Se prueba tomando u(x, y) = xy, y procediendo como con la suma.
4.1.4 Algunas desigualdades

Propiedad de monotona
Es intuitivo que, si ambas medias existen,
X Y = EX E Y. (4.10)
Lo probamos primero para Y = 0: X 0 = EX 0. En efecto, si X es discreta, EX es

una suma todos cuyos terminos son 0. Si es continua, debe ser fX (x) = 0 para x < 0;

y por lo tanto EX = 0 xfX (x)dx 0. La demostraci on de (4.10) se completa aplicando
este resultado a a X Y que es 0 y teniendo en cuenta (4.8).
Desigualdad de Markov
Si X 0 y c > 0 es una constante, es
EX
P(X c) . (4.11)
c
Para probarla, llamemos A al evento (X c). Por (4.1), es P(A) = E IA . Notemos que
en A es X/c 1, y que por lo tanto:
X X
IA IA .
c c
Por (4.10) es entonces P(A) EX/c, como querase probar.
USUALES
4.2. MEDIA DE LAS DISTRIBUCIONES MAS 49
Variables positivas con media nula

Parece obvio que si un conjunto de numeros no negativos tiene promedio nulo, deben ser
todos nulos. Esto vale m
as en general:
X 0, EX = 0 = P(X = 0) = 1. (4.12)
En efecto, si EX = 0, sale de (4.11) que para todo x > 0 es P(X x) = 0; y por lo tanto,
FX (x) = 1 y ademas FX (x) = 0. En consecuencia, (d) de la Prop. 3.3 implica
P(X = 0) = lmx0+ [FX (x) FX (x)] = 1.
4.2 Media de las distribuciones m

as usuales
A continuaci
on calcularemos la media de las distribuciones de uso m
as frecuente.
Binomial
Se mostrar
a que
X Bi(n, p) = EX = np. (4.13)
Sera ilustrativo hacerlo por dos metodos distintos. Primero, directamente por la definici
on:
n
n
(n 1)!
EX = kb(k, n, p) = pn pk1 (1 p)(n1)(k1)
k=0 k=1
(k 1)![(n 1) (k 1)]!
n
n1

= pn b(k 1, n 1, p) = pn b(k, n 1, p) = pn,
k=1 k=0
pues la ultima sumatoria vale 1 por (3.3) aplicada a n 1.

entodo es considerar que si X Bi(n, p), entonces se puede expresar como en
El otro m
(3.4): X = i=1 IAi , donde los eventos
A1 , . . . , An cumplen P(Ai ) = p. Entonces, usando
(4.7) y luego (4.1), queda EX = ni=1 E IAi = np.
Exponencial
Si X Ex(), es

EX = (x/)ex/ dx = ; (4.14)
0
de modo que en la secci

on 2.2.1 se puede considerar a 1/c como tiempo medio de espera.
50
Normal
Mostraremos que
X N(, 2 ) = EX = , (4.15)
y por lo tanto el primer parametro de la normal es la media de la distribuci on.
Lo probamos primero para = 0 y = 1. La verificaci on de la existencia de la media
queda a cargo del lector (ejercicio 4.1). Para calcularla, basta recordar que X es simetrica
respecto de 0, o sea D(X) = D(X); y por lo tanto EX = EX, que implica EX = 0.
Para el caso general, basta tener en cuenta que por (3.18), X = Y + con Y N(0, 1).
La media de una distribuci on simetrica no siempre existe; ver ejercicio 4.2.
Poisson
Si X Po(), es

k k1 k
EX = ke = e = e = e e = . (4.16)
k! (k 1)! k!
k=0 k=1 k=0
Geom
etrica
Si X Ge(p), es

EX = p k(1 p)k1 .
k=1
Para calcular la serie, notemos que

d
k(1 p)k1 = (1 p)k ,
dp
y

1
(1 p)k = 1,
p
k=1
y recordemos que en las series de potencias se puede derivar termino a termino. Por lo
tanto

d((1/p) 1) 1
k(1 p)k1 = = 2,
k=1
dp p
y en consecuencia
1 1
EX = p = . (4.17)
p2 p
Observemos que (4.17) implica que EX es una funcion decreciente de p, lo cual es razonable
si se piensa en X como tiempo de espera (ver (2.15)): cuanto menor sea la probabilidad
del suceso que se espera, m
as tiempo habr
a que esperarlo.
TPICA
4.3. VARIANZA Y DESVIACION 51
Hipergeom
etrica
Si X Hi(N, M, n) ver (3.7) entonces
M
EX = n . (4.18)
N
El resultado es plausible, si se piensa en X como cantidad de bolillas blancas extradas
sin reemplazo (Ejemplo 1.C). Lo mismo que para la binomial, hay dos maneras de cal-
cular la media. La m as simple es expresar a X como
suma de indicadores, lo cual da
un procedimiento mucho m as corto. O sea: X = ni=1 IAi , donde Ai es el evento bo-
lilla blanca en la i-esima extraccion en un muestreo sin reemplazo de n bolillas. Como
E IAi = P(Ai ) = M/N (ejemplo 1.D), se deduce que EX = nM/N .
La otra forma es puramente algebraica, a partir de la definicion; y se la dejamos al
lector, si le interesa.
Notemos que la hipergeometrica tiene la misma media que la binomial Bi(n, p) con
p = M/N .
4.3 Varianza y desviaci

on tpica
Buscaremos ahora medir cu anto se dispersan los valores de X. Una forma de pensarlo es
expresar cu
an alejados est
an dichos valores (en promedio) de la media.
Definici
on 4.2 La varianza de una variable es (si existe)
var(X) = E{(X EX)2 }.

La desviaci
on tpica (o standard) es (X) = var(X).
Notese que (X) se expresa en las mismas unidades que X.
Dado que |x| x2 + 1 x, resulta que la existencia de EX 2 implica la de EX y por
ende la de var(X),
on de una variable X 0 se define como
El coeficiente de variaci
(X)
cv(X) = .
EX
Su recproca se conoce en Electr
onica como relaci
on se
nal-ruido.
Veamos algunas propiedades importantes de la varianza.
Transformaciones lineales
Para toda constante c
var(X + c) = var(X) (4.19)
y
var(cX) = c2 var(X). (4.20)
52
La primera se prueba notando que si Y = X + c, es Y E Y = X EX; la segunda es

inmediata. De esta sale que
(cX) = |c|(X).
Varianza nula
Otra propiedad u
til es
var(X) = 0 P(X = c) = 1 para alguna constante c. (4.21)
Para probarlo, observemos que si P(X = c) = 1, es EX = c, y por lo tanto P(X EX) = 0.
Al reves: si 0 = var(X) = E(X EX)2 , por (4.12) es P(X EX = 0) = 1.
C
alculo explcito
Para obtener explcitamente var(X), notemos que desarrollando el cuadrado en la definici
on
queda
var(X) = E{X 2 2X(EX) + (EX)2 } = E(X 2 ) 2(EX)(EX) + (EX)2 ,
y en consecuencia
var(X) = E(X 2 ) (EX)2 . (4.22)
Desigualdad de Chebychev
Si c > 0, es
var(X)
P(|X EX| c) . (4.23)
c2
Se prueba aplicando (4.11) a la variable (X EX)2 :
E(X EX)2
P(|X EX| c) = P((X EX)2 c2 ) .
c2
Covarianza y correlaci
on
Un elemento importante para describir la distribuci
on conjunta de dos variables es la
covarianza, que se define como
cov(X, Y ) = E{(X EX)(Y E Y )}. (4.24)
En particular, var(X) = cov(X, X). Procediendo como en (4.22) se verifica f
acilmente que
cov(X, Y ) = E(XY ) EX E Y. (4.25)
De (4.9) es inmediato si X e Y son independientes, es cov(X, Y ) = 0. Pero la recproca
no es cierta (ejercicio 4.20). Si cov(X, Y ) = 0, se dice que X e Y son incorreladas o
incorrelacionadas.
TPICA
4.3. VARIANZA Y DESVIACION 53
La correlaci
on o coeficiente de correlaci
on de X, Y es
cov(X, Y )
= (X, Y ) = .
(X)(Y )
Es una medida de dependencia lineal entre las variables, cuyo papel se ver
a en la secci
on
6.2.
Varianza de sumas de variables

Se prueba inmediatamente usando la definici
on de covarianza que
var(X + Y ) = E{(X EX) + (Y E Y )}2 = var(X) + var(Y ) + 2 cov(X, Y ). (4.26)
Dado que
X Y
0 var = 2 2,
(X) (Y )
se deduce que
1 1;
y por (4.21), = 1 cuando hay alguna combinaci on lineal de X, Y que es constante con
probabilidad 1.
Del mismo modo se obtiene la varianza de cualquier combinaci on lineal de variables:
n n n1 n

2
var ai Xi = ai var(Xi ) + 2 ai aj cov(Xi , Xj ). (4.27)
i=1 i=1 j=1 i=j+1
En particular, si X e Y son independientes, es
var(X Y ) = var(X) + var(Y ). (4.28)
Ejemplo 4.B: Media muestral Sean Xi (i = 1, . . . , n) con la misma media y la

misma varianza 2 . Se define la media muestral de las Xi como
n
= 1
X Xi .
n
i=1
Es f = , y que, si las Xi son independientes, es

acil probar que EX
= 2
var(X) . (4.29)
n
Ejemplo 4.C: El metodo de Monte Carlo Supongamos que se desee calcular la
b
integral de una funci
on: H = a h(x) dx, siendo h una funci
on tan complicada que los
54
metodos analticos o numericos usuales no pueden con ella. El siguiente metodo, llamado
metodo de Monte Carlo, brinda una aproximaci on basada en la generaci
on de n umeros
pseudoaleatorios. Lo haremos para el caso a = 0, b = 1, al que se puede siempre reducir
el caso general.
Sean U1 , . . . , Un variables independientes, todas Un(0, 1). La aproximaci
on ser
a
n
1
Yn = h(Ui ). (4.30)
n
i=1
De (4.3) sale que E Yn = H. Como las h(Ui ) son independientes, resulta

v
var(Yn ) = ,
n
donde
1 1
v = var(h(Ui )) = Eh(Ui )2 (Eh(Ui ))2 = h(x)2 dx H 2 = (h(x) H)2 dx.
0 0
Dada una cota de error <, la desigualdad de Chebychev implica que tomando n lo
bastante grande, se puede hacer P(|Yn H| > <) tan peque na como se quiera. En el
ejercicio 7.11 se ver
a una forma mas eficiente de elegir el n.
Este metodo es realmente u
til en el c
alculo de integrales de funciones de varias variables,
cuando el integrando y/o el recinto de integraci on son complicados.
4.4 Varianzas de las distribuciones m

as usuales
Indicadores
o 0, es IA = I2A , y (4.22) implica
Como IA vale 1
var(IA ) = E(I2A ) (E IA )2 = P(A)(1 P(A)). (4.31)
Binomial

Tal como se hizo para probar (4.13), expresamos a X Bi(n, p), como X = ni=1 Xi , donde
Xi = IAi , siendo los eventos Ai (i = 1, . . . , n) independientes, todos con probabilidad p.
La independencia de los eventos Ai implica la de las variables Xi , pues (por ejemplo) los
eventos {X3 = 1} y {X2 = 0} son independientes, ya que el primero es igual a A3 y el
segundo a A2 . Por lo tanto se deduce de (4.28) y (4.31) que
n

var(X) = var(Xi ) = np(1 p). (4.32)
i=1
USUALES
4.4. VARIANZAS DE LAS DISTRIBUCIONES MAS 55
Normal
Mostraremos que var(X) = 1 si X N(0, 1). Ya hemos visto en (4.15) que EX = 0, y por
lo tanto, usando (4.3):
2
var(X) = E X = x2 (x)dx.

Teniendo en cuenta que (x) = x(x), e integrando por partes, resulta

var(X) = x(x(x))dx = xd((x)) = [x(x)] + (x)dx = 0 + 1.

2
Si Y N(, ), es Y = + X con X N(0, 1) (ver (3.18)), y aplicando (4.19), (4.20) y
el resultado anterior, es
var(Y ) = 2 ,
y por lo tanto el segundo par
ametro de la normal es la varianza.
Poisson
Se mostrar
a que
X Po() = var(X) = . (4.33)
Para ello hay que calcular EX 2 , lo que se har
a con el mismo truco que se us
o para (4.17):

k
EX 2 = k2 e = e g(),
k!
k=1
donde

kk1 d k
g() = =
k=1
(k 1)! d k=1 (k 1)!
d
= (e ) = e (1 + );
d
y por lo tanto EX 2 = (1 + ), lo que combinado con (4.16) da el resultado.
Geom
etrica
Se probar
a que
1p
var(X) = . (4.34)
p2
Para ello se usar
a el mismo truco que en (4.17). Derivando dos veces la identidad

(1 p)k1 = p1 ,
k=1
56
queda, tras algunas simplificaciones:

2
= (k + 1)k (1 p)k1 p
p2 k=1

= k (1 p)k1 p + k2 (1 p)k1 p = EX + EX 2 ,
k=1 k=1
y como EX = 1/p, es EX 2 = 2/p2 1/p; y aplicando (4.22) se prueba el resultado.
Hipergeom
etrica
Se probar
a que

n1
X Hi(N, M, n) = var(X) = np(1 p) 1 , (4.35)
N 1

donde p = M/N . Igual que para la media, expresamos X = ni=1 Xi , con Xi = IAi , donde
los Ai son como en la deducci
on de (4.18). Como P(Ai ) = p, (4.31) implica var(Xi ) =
p(1 p). Procediendo como en el Ejemplo 2.B, resulta que si i = j es
M (M 1)
EXi Xj = P(Ai Aj ) = ,
N (N 1)
y por (4.25) es
p(1 p)
cov(Xi , Xj ) = .
N 1
Por lo tanto, aplicando (4.27) queda
p(1 p)
var(X) = np(1 p) n(n 1) ,
N 1
de donde se obtiene el resultado.
Notemos que esta varianza se anula cuando n = N , cosa l ogica, porque se muestrea
toda la poblaci on; y que la diferencia entre la varianza de Hi(N, M, n) y la de Bi(n, p)
olo en el factor 1 (n 1)/(N 1), que es pr
reside s oxima a 1 cuando n es mucho menor
que N . Esto implica el resultado sorprendente para muchos de que si por ejemplo
n = 100, tanto da que N sea 10000 o un mill on..
4.5 Otros par

ametros
4.5.1 Cuantiles
Sea (0, 1). Un cuantil- de X es cualquier n
umero x tal que
P(X < x ) y P(X > x ) 1 . (4.36)

4.5. OTROS PARAMETROS 57
Tambien se lo llama percentil de 100% (o sea, el cuantil-0.30 es el percentil del 30%). El

cuantil siempre existe. Si FX es continua, x es un cuantil- si y s
olo si
FX (x) = . (4.37)
Notemos que si FX es discontinua, (4.37) no tiene siempre soluci on; y por esto es mejor
tomar (4.36) como definici on. Si FX es estrictamente creciente, los cuantiles son u nicos.
Pero si no, los valores que satisfacen (4.37) forman un intervalo. Si se desea una definicion
unvoca del cuantil, se podra tomarlo como el punto medio del intervalo; pero por el
momento ser a m as conveniente conservar esa ambig uedad.
Los cuantiles correspondientes a = 0.25, 0.50 y 0.75 son respectivamente el primer,
segundo y tercer cuartiles. El segundo cuartil es la mediana, que escribiremos med(X).
Una propiedad muy importante de los cuantiles es que si Y = h(X), donde la funci on
h es creciente en la imagen de X, entonces y = h(x ); por ejemplo, si X 0, y m es una
mediana de X, entonces m2 es una mediana de X 2 (aqu se ve la conveniencia de haber
conservado la ambig uedad, porque si se define el cuantil como el punto medio del intervalo,
lo anterior no es v alido en general). Esta propiedad no es compartida por la media: por
ejemplo E(X 2 ) = (EX)2 .
acilmente que si X es simetrica respecto de 0, es x = x1 .
Se verifica f
4.5.2 Par
ametros de posici
on
Notemos primero que la media cumple, para toda constante c:
E(cX) = c EX y E(X + c) = EX + c. (4.38)
Todo par ametro de una variable que cumpla (4.38) se llama par ametro de posicion. La
media es sin duda el m as famoso y el m as usado de los par ametros de posici
on, y el
motivo, adem as de razones hist
oricas, es que es el u
nico de estos parametros que cumple
(4.7) (aditividad), lo que lo hace muy sencillo de manejar. Sin embargo, hay otras
posibilidades,
La mediana es un par ametro de posicion: es f
acil verificar que cumple (4.38) (si no es
u
nica, (4.38) se toma en el sentido de que, si m es una mediana de X, entonces m + c es
una mediana de X + c).
Como valor representativo, la mediana puede ser mucho mejor que la media. Supon-
gamos por ejemplo un pas donde el 50% de los habitantes ganan menos de 100 piastras,
el 40% ganan entre 100 y 200 piastras, y el 10% ganan m as de 10000. Entonces la media
del ingreso per capita es > 1000, pero la mediana es < 100. El motivo de esta diferencia
es que la media es muy sensible a valores extremos, cosa que no sucede con la mediana (en
la terminologa actual, la media no es robusta).
Una forma de buscar un valor representativo sera buscar c tal que X c fuera lo
mas pequeno posible. Esto se puede tomar en distintos sentidos. Si se busca
E(X c)2 = mnimo, (4.39)

58
la soluci
on es c = E X como el lector puede f
acilmente verificar.
Si en cambio se busca
E|X c| = mnimo, (4.40)
la soluci
on es c = med(X). Lo mostraremos para el caso en que X toma un conjunto finito
de valores xi con probabilidades pi . Notemos que la funci on |x| es continua y tiene derivada
para x = 0, igual a la funci
on signo: d|x|/dx = sgn(x) = I(x > 0) I(x < 0). La funci on
a minimizar es h(c) = i pi |xi c|, que es continua, y por lo tanto para minimizarla basta
ver donde cambia de signo su derivada, la que existe salvo en los xi . Entonces

h (c) = pi [I(c > xi ) I(c < xi )] = P(X < c) P(X > c),
i
y esto se anula para c = med(X).
4.5.3 Par
ametros de dispersi
on
La desviaci
on tpica cumple para toda constante c
(cX) = |c|(X) y (X + c) = (X). (4.41)
Todo parametro que cumple (4.41) es un par ametro de dispersi

on.
La desviaci
on tpica es el m
as usado de los par
ametros de dispersi
on, entre otras cosas
porque, como se vio en (4.26), hay formas relativamente manejables de calcular (X + Y ).
Sin embargo, hay otras alternativas. Por ejemplo, la desviaci
on absoluta, definida como
da(X) = E|X EX|
Se define la distancia intercuartiles como dic(X) = x0.75 x0.25 . Se comprueba enseguida

que es un par ametro de dispersion. Por supuesto, uno podra definir otros par
ametros de
on de la misma manera, como por ejemplo x0.9 x0.1 .
dispersi
Otra medida de dispersi on basada en cuantiles es la desviaci
on mediana, definida como
dm(X) = med(|X med(X)|).
Notese que las distintas medidas de dispersi

on miden distintas cosas, y por lo tanto
no son comparables entre s directamente. Por ejemplo, para X N(, 2 ) se verifica
facilmente que
dic(X) = (1 (0.75) 1 (0.25)) = 2dm(X) 0.675 .
Por supuesto, una distribuci on con una densidad en forma de U, o una como la
del ejercicio 3.6, no puede ser bien descripta por ninguna combinaci
on de par
ametros de
posici
on y dispersion.
4.6. EJERCICIOS 59
4.5.4 Asimetra
Otro concepto u til para describir una distribuci
on es el de asimetra. Se desea medir cu anto
se aparta la forma de una distribuci on de la simetra. El m
as famoso es el cl
asico coeficiente
de asimetra de Pearson, definido a principios de siglo como
E(X EX)3
(X) = .
(X)3
acil ver que, si D(X) es simetrica, entonces = 0, aunque la recproca no es cierta; y
Es f
que (a + bX) = (X). Por otra parte, puede tomar cualquier valor entre y +.
No parece facil interpretar el significado de .
Una medida tal vez m as interpretable est a basada en cuantiles: la idea es que si la
distribuci nicos, debera ser x0.75 x0.50 = x0.50 x0.25 .
on fuera simetrica, y los cuantiles u
Para que resulte un par ametro adimensional se divide por la distancia intercuartiles, y
queda como definici on:
x0.75 2x0.50 + x0.25
asm(X) = . (4.42)
x0.75 x0.25
acil verificar que si D(X) es simetrica, es asm(X) = 0, pero la recproca no vale.
Es f
Adem as asm(X) [1, 1]. Si a(X) > 0, es x0.75 x0.50 > x0.50 x0.25 . Esta idea hace a
este par
ametro m as f
acilmente interpretrable.
4.5.5 Momentos
En general, se llama momento de orden k de X (o de D(X)) a EX k (si existe, natural-
mente), y momento centrado de orden k a E(X EX)k , de modo que la varianza es el
momento centrado de orden 2. El papel de los momentos en Estadstica se vera en el
Captulo 9.
4.6 Ejercicios
2
4.1 Probar la existencia de E|X|k para X N(0, 1) y k > 0 [pruebe que |x|k < ex /2
para x fuera de un intervalo].

4.2 Determinar si existen las medias de las siguientes distribuciones:
a. de Cauchy (ver ejercicio 3.2)
b. la calculada en el ejercicio 3.10.
4.3 a. Sea T el numero de intentos que necesita el se
nor del ejercicio 1.12 para abrir
la puerta. Calcule ET .
b. Supongamos que dicho se nor est
a totalmente borracho y en cada intento vuelve
a elegir una llave al azar de entre las n. Calcule ET y compare con el resultado
anterior. Puede extraer conclusiones sobre los beneficios de la sobriedad.
60
4.4 Calcular la media y la varianza de las distribuciones:

a. Un(a, b) [h
agalo primero para a = 0, b = 1 y aproveche el ejercicio 3.13]
b. Ex()
c. lognormal (ejercicio 3.9).
4.5 Calcular EX 4 para X N(0, 1) [usar (x) = x(x)].
4.6 Calcular E{1/(1 + X)} para X Po().
4.7 Si X Ga(, ): Para que valores de k existe E1/X k ?.
4.8 Sea T el instante del m-esimo suceso en un proceso de Poisson.
a. Calcular media y varianza de 1/T [usar (3.13].
b. Verificar que E(1/T ) > 1/ET .

4.9 Probar
que si X 0, es EX = 0 (1 F (x)) dx si X es continua, y EX =
x (1 F (x)) si es discreta con valores enteros.
4.10 Calcular media y varianza de la posicion respecto del punto de partida del borracho
del ejercicio 2.12 despues de caminar n cuadras.
4.11 Calcular media y varianza de la binomial negativa, usando el ejercicio 3.27.
4.12 En una fiesta hay n matrimonios. Despues de una descomunal borrachera, cada
caballero se marcha con una dama elegida totalmente al azar. Calcular el valor
medio de la cantidad de se
nores que se despertar
an junto a su legtima esposa.
4.13 Se tienen 6 cajas, cada una con 10 pastillas; la caja i-esima tiene i pastillas de menta
y 10 i de ans. De cada caja se extrae una pastilla al azar. Sea X la cantidad de
psstillas de menta extradas. Calcular EX y var(X).
4.14 Una lista contiene n elementos, cuyas probabilidades de ser requeridos son p1 , . . . , pn .
Cuando se requiere uno, la lista es recorrida en un orden prefijado hasta que aparece
el buscado. Proponga un metodo de b usqueda que minimice la media de la cantidad
de elementos que deben ser consultados.
1
4.15 Se desea calcular la integral H = 0 x2 dx por el metodo de Monte Carlo (4.30).
a. Hallar un n que asegure que los tres primeros dgitos sean correctos, con proba-
bilidad > 0.999.
b. Si dispone de una computadora, vea lo que da el metodo. [contin
ua en el ejercicio
7.11].
4.16 Calcular media y varianza de la estatura de un individuo elegido al azar de la
poblaci
on del ejercicio 3.6.
4.6. EJERCICIOS 61
4.17 En el ejemplo 3.C, sea G la exponencial con media 1000 horas, y sea h = 1500 horas.
Calcular la media del tiempo hasta el reemplazo.
4.18 En la situaci
on del ejercicio 3.7, comparar la media real de las longitudes con la media
que obtiene el bi
ologo.
4.19 X e Y son independientes, ambas Un(1, 2). Calcular E(X/Y ) y comparar con
EX/E Y .
4.20 Sea Y = X 2 donde X es N(0, 1). Probar que X e Y son incorreladas pero no
independientes.
4.21 Calcular la covarianza de las variables del ejercicio 3.25.
4.22 Calcular mediana, distancia intercuartiles, desviaci
on absoluta, desviaci
on mediana
y asimetra (asm) de las distribuciones: (a) normal (b) exponencial (c) lognormal
(d) Weibull.
4.23 Sea X una variable con densidad f , y sea Xn igual a X truncada al n-esimo dgito.
Probar que EXn EX cuando n [tenga en cuenta que Xn es discreta y X
continua].
62
Captulo 5
Transformaciones de Variables
Aleatorias
En la primera parte de este captulo veremos c

omo calcular la distribuci
on de una variable
Z = u(X, Y ) donde u es una funci on de R2 R conociendo D(X, Y ).
5.1 Suma de variables

Trataremos primero un caso simple pero importante, en el cual se pueden ver las ideas a
aplicar en otros casos: la distribuci
on de Z = X + Y . Haremos la consabida divisi
on entre
los casos discreto y continuo.
Caso discreto:
Sean X e Y variables con valores enteros. Entonces (tomando x, y, z enteros)

{Z = z} = {X = x Y = z x}
x
y como los eventos de la uni

on son disjuntos, es

P(Z = z) = pXY (x, z x). (5.1)
x
Si X e Y son independientes resulta

P(Z = z) = pX (x)pY (z x). (5.2)
x
63
64 CAPTULO 5. TRANSFORMACIONES DE VARIABLES ALEATORIAS
Si X e Y son 0, (5.1) se reduce a

z

P(Z = z) = pXY (x, z x), (5.3)
x=0
y lo mismo vale para (5.2).
Caso continuo:
Para calcular D(Z) comenzamos por su funci
on de distribuci
on:
FZ (z) = P(Z z) = E I(X + Y z) (5.4)
zx
= fXY (x, y) I(x + y z) dxdy = fXY (x, y) dydx; (5.5)

y derivando respecto de z se tiene

fZ (z) = fXY (x, z x) dx. (5.6)

Si X e Y son independientes, queda

fZ (z) = fX (x)fY (z x) dx. (5.7)

Si X e Y son 0, las integrales anteriores son entre 0 y z. N otese la similitud entre

(5.2) y (5.7). Expresiones de esta forma se llaman convoluci on de dos sucesiones o de dos
funciones, y aparecen frecuentemente en An alisis. Si en vez de la distribuci
on de Y + X se
desea la de Y X, hay que reemplazar z x por z + x en todas las f ormulas anteriores.
5.1.1 Suma de variables Gama

Si X Ga(, ) e Y Ga(, ) independientes, se mostrara que X + Y Ga(, + ).
Sean f, g y h las densidades de X, Y y X + Y respectivamente. Entonces: es
f (x) = c1 ex/ x1 I(x 0), g(y) = c2 ey/ y 1 I(y 0),
donde c1 y c2 son constantes. Por (5.7) es para y 0

y/
h(y) = c1 c2 e (y x)1 x1 I(y x 0)dx;
0
y haciendo en la integral el cambio de variable t = x/y queda

1
h(y) = c1 c2 ey/ y +1 (1 t)1 t1 dt.
0
Pero esta u
ltima integral es tambien una constante, de modo que h(y) es tambien de la
forma Gama.
5.1. SUMA DE VARIABLES 65
5.1.2 Suma de normales

Como aplicaci on importante de (5.7), se probara que la suma de dos normales indepen-
dientes es normal. Sean X e Y independientes, normales, con varianzas respectivamente
2 y 2 ; obviamente nos podemos limitar al caso en que ambas tienen media 0. Si la
distribucion de Z = X + Y es normal, debe ser N(0, 2 ) donde 2 = 2 + 2 . Luego, probar
la normalidad de Z equivale, segun (5.7), a probar

z2 1 x2 (z x)2
c exp 2 = exp + dx,
2 2 2 2
on, se pone exp(t) en vez de et ; y c es una constante:

donde, parasimplificar la notaci
c = 2 /( 2). Multiplicando ambos miembros por exp(z 2 /22 ), resulta que hay que
probar que la integral

1 2 1 1 2 1 1 2xz
exp z ( 2 2 ) + x ( 2 + 2 ) 2 dx
2
es una constante (no depende de z). Para ello, basta verificar que el polinomio dentro del
corchete en la exp es
2
z 2 2 x2 2 xz 1 z x
+ 2 = ,
2 2 2 2 2 2
y por lo tanto haciendo en la integral el cambio de variable t = z/ x/, queda

2 2

exp(t /2 )dt, que no depende de z. Que es lo que querase demostrar.
En consecuencia, si X1 , . . . , Xn son N(0, 1) independientes, es

D(X1 + . . . + Xn ) = D( nX1 ). (5.8)
5.1.3 Combinaciones lineales de variables Cauchy

Sean X, Y independientes, ambas con distribuci
on de Cauchy; o sea, con densidad
1
f (x) = .
(1 + x2 )
Sea Z = aX + bY donde a y b son constantes. Se probara que D(Z) es de la misma forma.
Usando (5.7), es

|a||b| 1
fZ (z) = 2 2 + x2 )(b2 + (z x)2 )
dx.
(a
Desempolvando los metodos para integrar funciones racionales, se llega tras una cuenta
tediosa y prescindible a
1 1
fZ (z) = ,
c 1 + (z/c)2
donde c = |a| + |b|. O sea que D(aX + bY ) = D((|a| + |b|) X). Aplic
andolo a una suma de
independientes Cauchy, sale
D(X1 + . . . + Xn ) = D(nX1 ). (5.9)
Note la diferencia con el caso normal (5.8).
5.2 Otras funciones

5.2.1 Distribuci
on del cociente
on de Z = X/Y , suponiendo D(X, Y ) continua con densidad f .
Calcularemos la distribuci
Aplicando (3.28) tenemos:
FZ (z) = P(X zY Y > 0) + P(X zY Y < 0)

= f (x, y) I(x zy y > 0) dx dy

+ f (x, y) I(x zy y < 0) dx dy

zy 0
= f (x, y) dx dy + f (x, y) dx dy; (5.10)
0 zy
y derivando respecto de z:
0
fZ (z) = yf(zy, y) dy + (y)f(zy, y) dy = |y| f(zy, y) dy. (5.11)
0
La distribuci
on del producto se deduce con el mismo metodo.
5.2.2 Distribuciones del m

aximo y el mnimo
Si Z = m
ax(X, Y ), es
FZ (z) = P(X z Y z) = FX,Y (z, z).
En particular, si X, Y son independientes, es FZ (z) = FX (z)FY (z).
Cuando X e Y tienen la misma distribuci on G, es tentador pensar, como en el Ejemplo
3.D, que como Z es igual a X o a Y , su distribuci om debiera ser G. El error de este
razonamiento estriba en que cual de las dos es, depende de sus valores.
Del mismo modo, sea Z = mn(X, Y ), y supongamos para simplificar que X, Y son
independientes con distribuciones continuas. Entonces
1 FZ (z) = P(X > z Y > z) = (1 FX (z))(1 FY (z));
y de aqu se obtienen FZ y fZ . La distribuci
on conjunta del m
aximo y el mnimo se calcula
combinando ambas ideas (ejercicio 5.11).
DE TRANSFORMACIONES DE VARIABLES
5.3 Distribuci
on de transformaciones de variables
5.3.1 Un m
etodo general
Ahora trataremos una situaci on m as semejante a la de la secci on 3.2. Sean X1 y X2 dos
variables, g1 y g2 dos funciones de R2 R, e Y1 = g1 (X1 , X2 ), Y2 = g2 (X1 , X2 ). Se
quiere calcular D(Y1 , Y2 ) conociendo D(X1 , X2 ). Para simplificar la notaci on sean X =
(X1 , X2 ), Y = (Y1 , Y2 ), que podemos considerar como variables aleatorias con valores en
R2 ; y g(x1 , x2 ) = (g1 (x1 , x2 ), g2 (x1 , x2 )), funci
on de R2 R2 ; de manera que Y = g(X).
Hay un caso en el que existe un procedimiento general. Supongamos que X tiene
densidad conjunta fX , y que g es inyectiva y diferenciable en la imagen de X, de modo
que existe la inversa g1 . Para x = (x1 , x2 ) R2 , sea J(x) el jacobiano de g; o sea, el
determinante
g1 /x1 g1 /x2

g2 /x1 g2 /x2 .
Sea K(y) el jacobiano de g1 , que cumple K(y) = 1/J(g1 (y)). Se probar
a que la
densidad de Y es
fY (y) = fX (g1 (y)) |K(y)|. (5.12)
Notemos que esta f ormula es an
aloga a (3.16) para el caso univariado, con el jacobiano en
vez de la derivada.
Para demostrar (5.12), sea A R2 . Entonces por la propiedad (3.28) es

P(Y A) = P(g(X) A) = fX (x) IB (x) dx,
donde B = {x : g(x) A} y dx = dx1 dx2 .

Teniendo en cuenta que IB (x) = IA (g(x)), y luego haciendo el cambio de variable
y = g(x), dx = |K(y)|dy, resulta

P(Y A) = fX (x) IA (g(x)) dx = fX (g1 (y)) |K(y)| IA (y) dy;
y por lo tanto el segundo miembro de (5.12) es la densidad de Y, pues verifica (3.28).

Ejemplo 5.A: Falta de memoria del proceso de Poisson En el Ejemplo 3.J, sea
U = T S el tiempo de espera entre el primer y el segundo suceso. Mostraremos que
S y U son independientes, con la misma distribuci on exponencial; de modo que como
es de esperar intuitivamente despues del primer suceso es como si empezara todo de
nuevo.
Para calcular su densidad, notemos que (S, U) es una transformaci on lineal de (S, T ),
cuyo jacobiano es 1, de manera que la aplicaci
on de (5.12) a la densidad de (S, T ) da
fS,U (s, u) = c2 ecs ecu ,
y por lo tanto S y U son independientes con distribuci on Ex(1/c).
En general, si llamamos Tk al instante del suceso k-esimo, se prueba de la misma manera
que (definiendo T0 = 0) las variables Tk Tk1 (k = 1, 2, . . .) son Ex(1/c) independientes.
5.3.2 Aplicaci
on: normales en coordenadas polares
Sean X1 , X2 independientes, ambas N(0, 1). Sean (R, ) las coordenadas polares de
(X1 , X2 ) (con [0, 2)). Se probar
a que R y son independientes, que Un[0, 2),
y que R2 Ex(2).
Sea x = (x1 , x2 ) con coordenadas polares (r, ), o sea
r2 = x21 + x22 , = arctan(x2 /x1 ).
Como X1 y X2 son independientes, es
1 x21 /2 x22 /2 1 r 2 /2
fX (x) = fX1 (x1 )fX2 (x2 ) = e e = e .
2 2
Sea Y = (R, ) = g(X) donde X = (X1 , X2 ). Entonces la funci on inversa X = g1 (Y)
esta dada por: X1 = R cos , X2 = R sen , cuyo jacobiano es K(R, ) = R; y en
consecuencia
1 r2 /2
fY (r, ) = e r I(r 0) I( [0, 2)).
2
Por lo tanto fY (r, ) es producto de una funci on de r por una de , lo que implica que R
y son independientes; la densidad de es (2)1 I( [0, 2)), lo que implica que es
uniforme; y la densidad de R es
2
fR (r) = rer /2
I(r 0).
Aplicando (3.16) se deduce que si S = R2 :
fR (s1/2 ) 1
fS (s) = 1/2
= es/2 ,
2s 2
y por lo tanto R2 Ex(2).
Aplicaci
on a simulaci
on
El resultado (5.3.2) se puede usar para generar variables normales sin necesidad de calcular
la inversa de la funci on de distribuci
on. La idea es recorrer el camino inverso. Sean
U1 , U2 independientes, ambas Un(0, 1). Aplicamos a la primera una transformaci on para
convertirla en Un(0, 2), y a la segunda otra para convertirla en Ex(2), y eso da y R2 .
O sea, definimos = 2U1 y R = (2 ln U2 )1/2 , y luego X1 = R cos y X2 = R sen . Y
esto da dos variables independientes N(0, 1). Este es el metodo de Box-M uller [15].
5.4 La distribuci
on normal bivariada
En esta secci
on definiremos el an
alogo de la distribuci
on normal para dos variables. Primero
vamos a deducir la forma de la distribuci on conjunta de transformaciones lineales de nor-
males independientes. Sean X1 , X2 N(0, 1), independientes. Consideremos una tranfor-
macion lineal no singular:
Y1 = a1 X1 + a2 X2 , Y2 = b1 X1 + b2 X2 , (5.13)
NORMAL BIVARIADA
5.4. LA DISTRIBUCION 69
con
a1 b2 a2 b1 = 0. (5.14)
Sean 12 , 22 las varianzas de Y1 e Y2 , c su covarianza, y su correlaci
on. Entonces se deduce
de (5.13) que
EY1 = EY2 = 0, 12 = a21 + a22 , 22 = b21 + b22 , c = a1 b1 + a2 b2 . (5.15)
Vamos a mostrar que la densidad conjunta de (Y1 , Y2 ) es

2
1 1 y1 y22 y1 y2
f (y1 , y2 ) = exp + 2 . (5.16)
21 2 1 2 2(1 2 ) 12 22 1 2
a D(Y1 , Y2 ) aplicando (5.12) con

Se calcular
g(x) = (a1 x1 + a2 x2 , b1 x1 + b2 x2 ).
Notemos primero que el jacobiano es constante: J = a1 b2 a2 b1 , que se supone = 0 por

(5.14). La funci
on inversa se calcula explcitamente resolviendo un sistema de dos por dos,
obteniendo:
1
g1 (y) = (b2 y1 a2 y2 , b1 y1 + a1 y2 ). (5.17)
J

Recordando que fX (x) = (2)1 exp(x2 /2) donde x = x21 + x22 es la norma
eucldea resulta
1 1 g1 (y)2
fY (g (y)) = exp .
2 2
De (5.17) y (5.15) se obtiene
1 2 2
g1 (Y)2 = ( y + 12 y22 2y1 y2 c).
J2 2 1
Es facil verificar que J 2 = 12 22 (1 2 ), y reemplazando esto en la f

ormula anterior, queda
probada (5.16).
Esto motiva la siguiente
Definici
on 5.1 La distribucion normal bivariada centrada en el origen, con varianzas 12
2
y 2 y correlaci
on , es la que tiene densidad (5.16). La normal bivariada con dichos
par a dada por la densidad f (y1 1 , y2 2 ).
ametros y medias 1 , 2 est
La caracterizaci
on m
as importante de esta distribuci
on est
a dada por el siguiente
Teorema 5.2 La distribuci on conjunta de (Y1 , Y2 ) es normal bivariada si y s

olo si ambas
son combinaciones lineales de dos variables independientes, X1 , X2 , ambas N(0, 1).
Demostraci on: El calculo que llev

o a (5.16) prueba el si. El s
olo si se prueba reco-
rriendo el camino inverso.
Las marginales de la normal bivariada son normales. Esto se podra deducir directa-
mente aplicando la Proposici on 3.8 a (5.16), pero sale mas f
acilmente teniendo en cuenta
que, por el Teorema 5.2, Y1 es combinaci on lineal de dos normales independientes, que es
normal como se vio en la Seccion 5.1.2.
La implicaci
on inversa no es cierta: una distribucion puede tener marginales normales,
sin ser normal bivariada (ejercicio 5.17).
5.5 Ejercicios
Secci
on 5.1
5.1 X e Y son independientes, con distribuciones Bi(m, p) y Bi(n, p). Calcular la dis-
tribuci
on de X + Y [no hace falta ninguna cuenta!].
5.2 Calcular la densidad de Z = X Y donde X e Y son Ex(1), independientes (esta es

on doble exponencial); y la de |Z|.
la distribuci
5.3 Sea Z = X + Y donde X e Y son independientes, con distribuciones Po() y Po().

Probar que Z Po( + ).
5.4 X e Y son independientes; la primera tiene distribuci

on continua y la segunda dis-
creta. Mostrar que D(X + Y ) es continua y hallar su densidad.
Secci
on 5.2
5.5 Probar que si X e Y son N(0, 1) independientes, entonces X/Y tiene distribuci
on de
Cauchy.
5.6 X e Y son independientes con densidades f y g, respectivamente. Calcular la densi-

dad de XY .
5.7 A partir del instante t = 0 se prueba un lote de 100 l

amparas. La duraci
on de cada
una es una variable con distribuci
on exponencial con media 1000 horas. Se las puede
suponer independientes. Sea T el instante en el que se quema la primera l ampara.
Calcular E T .
ax{X1 , ..., Xn }.
5.8 Las variables Xi (i = 1, . . . , n) son Un(0, 1) independientes. Sea Y = m
Calcular E Y .
5.9 Un circuito contiene 10 transistores, cuyos tiempos de duraci on (en horas) pueden
considerarse como variables independientes, todas con distribuci
on We(1000, 2). Para
que el circuito funcione hacen falta todos los transistores. Hallar la mediana de la
vida u
til del circuito.
5.5. EJERCICIOS 71
5.10 Una parte de un sistema de control automatico est

a, para mayor seguridad, duplicada:
cada uno de los dos circuitos que la componen tiene una vida u til con distribuci
on
Ex(2000) (horas), que se pueden considerar independientes; basta cualquiera de los
dos para que el sistema funcione. Hallar la media de la duracion del sistema.
5.11 Para X, Y Un(0, 1) independientes, calcular la densidad conjunta de U = mn(X, Y )
y V = max(X, Y ) [sugerencia: calcular P(u < U < V < v)].
5.12 Para las variables del ejercicio 5.11:
a. Calcular P(X = V )
b. Calcular la funci
on de distribuci
on conjunta de X, V . Tiene densidad?.
Secci
on 5.3
5.13 X e Y son independientes, ambas Ex(1). Sea Z = X + Y .
a. Calcular la densidad conjunta de (X, Z), y obtener de ella la marginal de Z.
b. Calcular D(Z/mn(X, Y )).
5.14 La variable bidimensional (X, Y ) tiene distribuci on uniforme en el disco de centro
en el origen y radio 1. Sean (R, ) las coordenadas polares de (X, Y ). Calcular
la densidad conjunta de (R, ), y las respectivas marginales. Son R y indepen-
dientes? [se puede hacer directamente: basta con representar en el plano la regi on
{(r, ) : r r0 , 0 0 } y calcular su probabilidad].
5.15 Las coordenadas del vector velocidad de una molecula de un gas se pueden considerar
como tres variables V1 , V2 , V3 N(0, 2 ) independientes. Sean R, , las coorde-
nadas esfericas de (V1 , V2 , V3 ) con R 0, [0, 2), [/2, /2). Probar
que R, , son independientes, y hallar la densidad de R (llamada distribuci on de
Rayleigh).
Secci
on 5.4
5.16 Si D(X, Y ) es normal bivariada, X e Y son independientes si y s
olo si su correlaci
on
es nula. [Para el si, aplicar (3.35)].
5.17 *Sean f1 y f2 densidades normales bivariadas, ambas con medias 0 y varianzas 1,
y con coeficientes de correlaci
on 0.5 y -0.5 respectivamente. Sea f = (f1 + f2 )/2.
Probar que las marginales de f son normales, pero f no es normal bivariada.

Captulo 6
Distribuciones Condicionales y
Predicci
on
En nueve casos de diez dijo Holmes puede de-

ducirse la estatura de un hombre por la largura de
sus pasos. Se trata de un calculo bastante sencillo,
aunque no tiene objeto, Watson, el molestarle a usted
con n
umeros.
A. Conan Doyle, Estudio en Escarlata
6.1 Distribuciones condicionales

Sean X e Y dos variables definidas en el mismo . Que informaci on aporta X respecto
de Y ?. Por ejemplo: si disponemos de un modelo para la distribuci on conjunta de la
temperatura m axima de hoy con la de manana, este an
alisis nos permitira usar la primera
para obtener una prediccion de la segunda. El instrumento adecuado es el concepto de
distribuci
on condicional.
Caso discreto
Si D(X) es discreta, sea C = {x : P(X = x) > 0}. Para cada x C la funci on de
y: P(Y y|X = x) es una funci on de distribuci on, que define la llamada distribuci
on
condicional de Y dado X = x, la que se denota D(Y |X = x). Note que para esta definici on
solo hace falta que X sea discreta: la Y puede ser cualquiera.
Si ademas la conjunta D(X, Y ) es discreta, la distribuci
on condicional est
a dada por la
funcion de frecuencia condicional pY |X :
pXY (x, y)
pY |X (y; x) = P(Y = y|X = x) = . (6.1)
pX (x)
73
74
CAPTULO 6. DISTRIBUCIONES CONDICIONALES Y PREDICCION
Para cada x C se cumple

pY |X (y; x) 0 y pY |X (y|x) = 1.
y
Ejemplo 6.A: Bernouilli Sean S e T los n umeros de los intentos correspondientes al

primer y al segundo exito en un esquema de Bernouilli con probabilidad p. Calcularemos
D(S|T ). Ya se vio en (2.16) que P(T = t) = (t 1)p2 (1 p)t2 . La conjunta es:
P(S = s T = t) = (1 p)s1 p (1 p)ts1 p I(t > s 0) = p2 (1 p)t2 I(t > s 0).
Por lo tanto
1
P(S = s|T = t) = I(0 s t 1);
t1
de modo que D(S|T = t) es uniforme entre 0 y t 1. Intuitivamente: saber que el segundo
exito ocurri
o en el t-esimo intento, no da ninguna informacion sobre cu
ando ocurrio el
primero.
Caso continuo
Si X es continua, no se puede repetir exactamente el mismo camino que para el caso
discreto, ya que P(X = x) = 0 para todo x. Supongamos que D(X, Y ) es continua, y sea
C = {x : fX (x) > 0}. Para todo x C se define la densidad condicional de Y dado X = x
como
f (x, y)
fY |X (y; x) = XY . (6.2)
fX (x)

Para cada x C esta es una densidad (como funci on de y) ya que fY |X (y|x)dy = 1 y
f 0; y define entonces una distribucion (la distribuci on condicional de Y dado X = x).
La correspondiente funci
on de distribuci on es la funcion de distribuci
on condicional:
y
FY |X (y; x) = fY |X (t; x)dt.

La motivacion de (6.2) se encuentra condicionando, no respecto al evento {X = x} que

tiene probabilidad nula, sino al {x X x + } donde 0 (o sea, tomando un
intervalito). Entonces la distribucion de Y condicional a este evento es (definiendo para
on, el intervalo J = [x , x + ]):
simplificar la notaci
y
J
du fXY (u, v)dv
P(Y y|X J) = .
f (u)du
J X
Cuando 0, se cumple (al menos si fXY es continua) que

1
fX (u)du fX (x),
2 J
6.1. DISTRIBUCIONES CONDICIONALES 75
y
y y
1
du fXY (u, v)dv fXY (x, v) dv.
2 J
Por lo tanto
P(Y y|X J) FY |X (y; x).
Ejemplo 6.B: Normal Si D(X, Y ) es normal bivariada, veremos que D(Y |X) es
normal. M
as exactamente,

(x X )c 2 2
D(Y |X = x) = N Y + 2 , Y (1 ) , (6.3)
X
2
donde X y Y son las medias, X y Y2 las varianzas, y c la covarianza de X e Y . Lo
probaremos para el caso X = Y = 0; de este sale f acilmente el caso general.
Por (6.2) y (5.16) es

fXY (x, y) 1 1
fY |X (y; x) = = exp q(x, y) ,
fX (x) 2(1 2 )Y 2
donde
1 x2 y2 xy x2
q(x, y) = 2 + 2 2 .
1 2 X Y2 X Y X
Y con un poco de paciencia, se verifica que
2
1 Y
q(x, y) = y x .
Y2 (1 2 ) X
La media (cuando existe) de D(Y |X = x) se llama media condicional de Y dado X = x,

que para los casos discreto y continuo es, respectivamente

E(Y |X = x) = y pY |X (y; x), (6.4)
y

y fXY (x, y) dy

E(Y |X = x) = yfY |X (y; x)dy = ; (6.5)
fX (x)
y tiene para cada x C las propiedades de la media dadas en la secci
on 4.1.
La varianza correspondiente a D(Y |X = x) es la varianza condicional, que se indicar
a
con var(Y |X = x). An alogamente, la corespondiente mediana es la mediana condicional,
que se escribe med(Y |X = x).
Para la normal bivariada, sale de (6.3) que
(x X )c
E(Y |X = x) = Y + 2
X
76
y
var(Y |X = x) = Y2 (1 2 ).
En algunos textos se usa la expresion variable condicional, que es incorrecta, ya que la
variable es la misma, y solo cambia la manera de definir las probabilidades correspondientes
a su distribucion.
Si g(x) = E(Y |X = x), la variable g(X) se denotar a E(Y |X); de manera que la media
condicional se puede considerar ya sea como una funci on numerica o como una variable
aleatoria, segun el caso. Lo mismo sucede con la varianza condicional:
var(Y |X) = E{[Y E(Y |X)]2 |X}. (6.6)
A partir de D(Y |X) y de D(X) se puede calcular D(Y ). Usando (6.1) o (6.2) para los
casos discreto y continuo, se obtiene

pY (y) = pY |X (y; x) pX (x), (6.7)
x
o
fY (y) = fY |X (y; x) fX (x) dx, (6.8)

respectivamente.
Ejemplo 6.C: Accidentes Se supone que la cantidad de accidentes de auto en un mes
es una variable Po(), que la probabilidad de que un accidente resulte fatal es p, y que las
consecuencias de accidentes distintos son independientes; de modo que si X e Y son las
cantidades de accidentes en general y de accidentes fatales, es D(Y |X = x) = Bi(x, p), o
sea P(Y = y|X = x) = (xy )py (1 p)xy para y x. Calcularemos D(Y ) usando (6.7):
x x y
((1 p))xy
y xy (p)
P(Y = y) = y p (1 p) e = e .
x! y! xy (x y)!
xy
Haciendo en la sumatoria el cambio de ndice k = x y resulta
((1 p))xy
((1 p))k
= = e(1p) ;
(x y)! k!
xy k=0
y por lo tanto
(p)y
P(Y = y) = ep ,
y!
o sea que Y Po(p), resultado bastante razonable, si se piensa en y p como medias del
total de accidentes y de fatalidades por accidente.
Tambien la media y varianza de Y se pueden calcular a partir de las condicionales:
6.1. DISTRIBUCIONES CONDICIONALES 77
Proposici
on 6.1
E{E(Y |X)} = E Y, (6.9)
y
var(Y ) = E{var(Y |X)} + var{E(Y |X)}. (6.10)
Esta u
ltima f
ormula se puede interpretar como una descomposici on de la variabilidad
de Y como: la variabilidad de Y alrededor de su media condicional, m as la variabilidad de
esta u
ltima.
Demostraci on: Probamos (6.9) en el caso discreto. Teniendo en cuenta que E(Y |X)
es una funcion de X, y usando (6.4) y (6.7) se tiene

E{E(Y |X)} = E(Y |X = x) pX (x) = y pY |X (y; x)pX (x) = y pY (y).
x y x y
El caso continuo es analogo.

*La demostracion de (6.10) es algo m as complicada, y puede omitirse en una primera
on, sea Z = Y E(Y |X). Entonces (6.9) implica EZ = 0.
lectura. Para simplificar la notaci
De igual forma que (6.9), se prueba que para cualquier funcion g:
E g(X) Y = E [g(X) E(Y |X)], (6.11)
y por lo tanto
E g(X)Z = 0. (6.12)
Para calcular var(Y ), sumamos y restamos E(Y |X) en su definici on: var(Y ) =
E(Z + W )2 , donde Z ya fue definida, y W = E(Y |X) EY . Por lo tanto
var(Y ) = EZ 2 + EW 2 + 2EZW.
Aplicando (6.9) a Z 2 , el primer termino es igual a E{E(Z 2 |X)} = E(var(Y |X). Usando
otra vez (6.9), el segundo es igual a var(E(Y |X)). Y como W es una funcion de X, sale de
(6.12) que el u
ltimo termino es nulo.
Es tentador pensar que por ejemplo E(X + Y |X = 3) = EY + 3. Pero esto no es
cierto en general, como vemos con el caso Y = X y E Y = 0. Pero un resultado general
es valido para variables independientes:
Proposici
on 6.2 Si X e Y son independientes y u es una funci
on de dos variables, es
E{u(X, Y )|X = x} = Eu(x, Y ).
Podemos hacer la demostraci
on para el caso discreto, que es igual a la de (4.2). Sea
Z = u(X, Y ).

E(Z|X = x) = z P(Z = z|X = x)
z

= zP(X = x Y = y|X = x) I(u(x, y) = z)
z y

= u(x, y) P(Y = y) = Eu(x, Y ).
y
78
Corolario 6.3 En las mismas condiciones, D(u(X, Y )|X = x) = D(u(x, Y )).
Demostraci on v(x, y) = I(u(x, y) z). Entonces por la Proposici

on: Dado z, sea la funci on
anterior,
P(u(X, Y ) z|X = x) = E v(X, Y )|X = x) = Ev(x, Y ) = P(u(x, Y ) z).
Condicionamiento en varias variables

Todas las definiciones y resultados anteriores valen tambien cuando las variables son mul-
tidimensionales. Sean Y Rp , X Rq . Por ejemplo, la definici
on de densidad condicional
para el caso continuo es
fXY (x, y)
fY|X (y; x) = ,
fX (x)
donde ahora x Rp , y Rq , y las densidades fX y fX,Y tienen p y p + q argumentos,
respectivamente.
6.2 Predicci
on
Volvemos al problema inicial: conociendo la temperatura media de hoy, hacer una predicci on
de la de manana. Formalmente: se busca aproximar a Y con una funci on de X. O sea, se
busca una funcion g : R R tal que Y g(X) sea lo m as pequena posible. Este problema
se denomina en general prediccion. Pero eso no implica un orden cronol ogico entre las
variables. Por ejemplo: si tengo una serie de observaciones en la que faltan valores, puede
interesarme predecir (rellenar) los valores faltantes en funci
on de otros posteriores.
Una forma de plantear el problema es minimizar alguna medida del error. El criterio
mas usual es el error medio cuadr
atico (e.m.c.):
e(g) = E(Y g(X))2 .
Se buscar
a entonces g tal que e(g) sea mnimo.
El e.m.c. no es el u
nico criterio posible. Por ejemplo se podra tomar como medida
de error E|Y g(X))| (error absoluto), o med(|Y g(X)|) (error mediano). Pero el
e.m.c. permite, como se vera, resultados calculables explcitamente, y esto es la base de su
popularidad.
6.2.1 Predicci
on lineal
Para comenzar con un caso mas sencillo, trataremos el problema en que g se restringe a la
forma g(x) = a + bx. Entonces
e(g) = E(Y a bX)2 , (6.13)
y hay que buscar las constantes a y b que minimicen (6.13).

6.2. PREDICCION 79
Sean X y Y las medias de X e Y , X y Y las desviaciones, y c = cov(X, Y ).

Desarrollando el cuadrado en (6.13), e igualando a 0 las derivadas respecto de a y de b, se
obtiene la soluci
on
c
a = Y b X , b = 2 , (6.14)
X
y por lo tanto la g
optima es
x X
g(x) = Y + c 2 . (6.15)
X
on como {(x, y) : y = g(x), x R}. Pasa por (X , Y ), y tiene
Se define la recta de regresi
pendiente b. El mnimo e.m.c. es
emn = E{Y Y b(X X )}2 = Y2 + b2 X

2
2bc
c2
= Y2 2 2
2 = Y (1 ). (6.16)
X
Usando el coeficiente de correlaci

on , la ecuaci
on de la recta de regresi
on se puede expresar
mas simetricamente como
y Y x X
= . (6.17)
Y X
Como emn > 0, (6.16) implica nuevamente que || 1, y adem as permite una inter-
pretacion intuitiva de como medida de dependencia lineal. En efecto, notemos que,
por definici
on, emn es el e.m.c. de la mejor aproximaci on de Y como funci on lineal de
X; y que (4.39) implica que 2 es el e.m.c. correspondiente a la mejor aproximaci on de
Y con una constante, o sea, con una funci on lineal de X con pendiente nula. Entonces,
1 2 = emn /Y2 mide cuanto disminuye el e.m.c. cuando se utiliza (linealmente) la X,
en vez no utilizarla. Por lo tanto = 0 (X e Y incorreladas) significa que usar funciones
lineales de X para aproximar a Y , es lo mismo que nada. En cambio, = 1 implica
emn = 0 y por la propiedad (4.12), esto implica que Y es igual (con probabilidad 1) a una
funci
on lineal de X, con pendiente del mismo signo que .
Si en cambio se quiere aproximar a X como funci on lineal de Y , se deduce de (6.17),
intercambiando X e Y , que la correspondiente recta de regresi on es
x X y Y
= ,
X Y
y por lo tanto ambas rectas pasan por (X , Y ), pero no coinciden, salvo que = 1.
6.2.2 Predicci
on general
Ahora buscamos minimizar el e.m.c. sin restricciones sobre g. Convendra tener en cuenta
que si C es un conjunto tal que P(X C) = 1, basta con definir la g en C (por ejemplo,
si X 0, basta con definir g en R+ ).
Ahora damos la solucion del problema general.
80
Teorema 6.4 Sea g(x) = E(Y |X = x) si x C. Entonces esta g minimiza el e.m.c.

Demostraci
on: La hacemos para el caso discreto. Notemos que para cualquier g el e.m.c.
es
(y g(x))2 pXY (x, y) = pX (x) (y g(x))2 pY |X (y; x).
x y xC y
2
Para cada x, basta con minimizar la y . La constante c que minimiza y (yc) pY |X (y; x)
es (por (4.39), o directamente derivando))

c= y pY |X (y; x) = E(Y |X = x).
y
La demostracion para el caso continuo sigue el mismo esquema.

Para la normal bivariada, se deduce de (6.3) que E(Y |X = x) es una funci on lineal de
x; y por lo tanto, aqu la mejor aproximaci
on lineal coincide con la mejor en general.
Ejemplo 6.D: La falacia de la regresi on Sean X la estatura de un se nor elegido
al azar de la poblaci
on de padres con hijos adultos; e Y la estatura de su hijo mayor.
Se puede suponer que no hay cambios de una generaci on a otra, y por lo tanto X =
Y = y X = Y = . La estatura media de los hijos cuyos padres tienen estatura
x es h(x) = E(Y |X = x). Si se supone que D(X, Y ) es normal bivariada suposici on
bastante compatible con los datos existentes entonces esta media est
a dada por la recta
on: h(x) = + (x ). Como h(x) = (1 )( x) + x y < 1, se deduce que
de regresi
x > = h(x) < x y x < = h(x) > x.
De modo que hijos de hombres m as altos que la media, son en promedio mas bajos que
sus padres; y los hijos de petisos son en promedio m as altos que sus padres. Esto se podra
interpretar como una tendencia de la poblaci on a emparejarse (de aqu la expresi on
regresi
on: se regresara hacia la media). Sin embargo, esto se obtuvo suponiendo
justamente que las dos generaciones tienen la misma distribuci on!. En consecuencia este
fenomeno no dice nada sobre la evoluci on de la poblacion, sino que es una simple conse-
cuencia de que < 1. Esta aparente paradoja se llama la falacia de la regresi on.
Otro ejemplo: sean X e Y los puntajes de un alumno en dos ex amenes suucesivos.. Si
D(X, Y ) es aproximadamente normal bivariada, la funci on de regresi
on lineal h(x) dar
a la
media de los puntajes en el segundo examen, correspondientes a los alumnos con puntaje
x en el primero. Si tienen correlacion positiva, siempre suceder a que
h(x) Y x X
x > X = < .
Y X
Es comun comparar los resultados de dos ex amenes normaliz andolos, o sea, restando en
cada uno la media y dividiendo por la desviaci on. Si se hace esto, se podra sacar la falsa
conclusi
on de que el desempeno relativo de los alumnos con mejores resultados en el primer
examen, empeor o en el segundo, y viceversa.
6.3. EJERCICIOS 81
6.3 Ejercicios
6.1 Mostrar que si Z Un(1, 5), la distribuci
on de Z condicional en el evento 2 Z 3
es Un(2, 3).
olo si D(Y |X) = D(Y ).
6.2 Probar: X e Y son independientes si y s
6.3 La distribuci
on conjunta de X e Y est
a dada por las siguientes probabilidades
X
Y 2 3 5
1 0.0 0.1 0.1
2 0.1 0.1 0.2
4 0.2 0.0 0.2
Calcular E(Y |X = x) y var(Y |X = x) para cada x; y verificar (6.9) y (6.10).

6.4 Un nombre est a presente en una lista de n nombres con probabilidad p. Si est a,
su posici
on en la lista est
a distribuida uniformemente. Un programa de computa-
dora busca secuencialmente en la lista. Calcule la media de la cantidad de nombres
examinados antes de que el programa se detenga.
6.5 Probar que, si X e Y son independientes, es E(Y |X) = EY , pero la recproca no es
cierta: por ejemplo si P(Y = X|X = x) = 0.5.
6.6 Mostrar que el mnimo de E|Y g(X)| se obtiene para la mediana condicional g(x) =
med(Y |X = x) [usar (4.40)].
6.7 Se arroja un dado repetidamente; X es el n umero del tiro en el que sale el primer
as; Y es la cantidad de dos que salen antes del primer as. Probar que D(Y |X) es
binomial. Obtener de ah E(Y |X) y E Y .
6.8 Se arroja diez veces un dado equilibrado; sea N la cantidad de ases que salen. El
dado se arroja N veces mas. Hallar la distribuci
on de la cantidad total de ases.
6.9 En el problema anterior, sea M la cantidad de ases en los primeros cuatro tiros.
Hallar D(N |M ).
6.10 Sean U = m ax(X, Y ), V = mn(X, Y ), donde X e Y son Un(0, 1) independientes.
Calcular E(U |V ) y med(U |V ).
6.11 Hallar D(X|X + Y ) donde X e Y son Po() y Po() independientes.
6.12 En una lata hay 12 galletitas dulces y una salada. Repetidamente, se extrae una
galletita al azar. Si la que sale es dulce, se la ingiere; y si no se la devuelve a la
lata. Sean X e Y la cantidad de galletitas ingeridas hasta la primera extracci on de
la salada, y entre la primera y la segunda extraccion de la salada. Calcular E(Y |X)
y EY .
82
6.13 Sea Y = X c , donde X Un(a, b) y c > 0. Calcular XY , la recta de regresi

on de Y
en X, y el correspondiente e.m.c, para los casos
a. a = 1, b = 2, c = 0.5
b. a = 0, b = 1, c = 2.
6.14 Se arroja un dado 238 veces. Sean X e Y las cantidades de resultados pares e impares,
respectivamente. Calcular mentalmente XY .
6.15 Sean Y1 = a1 + b1 X1 , Y2 = a2 + b2 X2 . Probar que |Y1 ,Y2 | = |X1 ,X2 |.
6.16 Sea Z = Y g(X) donde g es la funci
on de regresi
on lineal. Probar que cov(X, Z) = 0.
6.17 En un proceso de Poisson, sean X1 y X2 la cantidad de partculas despues de 5 y de
15 segundos respectivamente. Hallar el mejor predictor de X1 en funcion de X2 .
Captulo 7
Teoremas Lmites
Oh!. Siempre llegaras a alguna parte, dijo el Gato,

si caminas lo bastante.
Lewis Carroll, Alicia en el Pas de las Maravillas
En este captulo veremos dos resultados muy importantes sobre el comportamiento del
promedio (o de la suma) de un gran n umero de variables independientes,
7.1 Ley de Grandes N

umeros
Sea Xi (i = 1, 2, . . .) una sucesi
on de variables independientes con la misma distribuci on, y
por lo tanto con la misma media , y sea X n = Sn /n, donde Sn = n Xi . El problema
i=1
que trataremos es: es cierto que lmn X n = en alg
un sentido?.
Consideremos por ejemplo una sucesi on de tiradas de un dado equilibrado. Sea Xi = IAi
donde Ai es el evento: en el tiro i-esimo sale as. Entonces = P(Ai ) = 1/6; y X n es la
proporci on de ases en los primeros n tiros. Sera entonces de esperar que X n se aproxime
a 1/6 cuando n es grande. Asimismo, si definimos en vez a Xi como el resultado del tiro
i-esimo, entonces = 3.5, y X n es el promedio de los primeros n resultados, del cual uno
esperara que se aproxime a 3.5 para n grande. Sin embargo, para sucesiones de resultados
tales como 4,5,4,5,4,5,. . . , esto no se cumplir a en ninguno de los dos ejemplos, por lo que
dicho lmite no puede tomarse en su sentido habitual. Podra arg uirse que al fin y al cabo
esa sucesion de resultados tiene probabilidad nula; pero lo mismo vale para cualquier otra
sucesion. Lo que se necesita es un concepto adecuado de lmite para variables aleatorias.
Definici
on 7.1 La sucesi
on de variables Zn tiende a la variable Z en probabilidad (abre-
p
viado Zn Z) si para todo < > 0 se cumple
lmn P(|Zn Z| > <) = 0.
83
84 CAPTULO 7. TEOREMAS LMITES
Teorema 7.2 (Ley d ebil de grandes numeros) Si las Xi son independientes, todas

con media y varianza 2 < , entonces X
p
.
Demostraci
on: Usando la desigualdad de Chebychev y (4.29) se obtiene
n | > <) 2
P(|X ,
n<2
que tiende a 0 para n .
La existencia de la varianza no es necesaria para la validez del resultado, sino s olo
para simplificar la demostracion. En cambio la existencia de EXi es imprescindible, lo que
puede verse en el caso en que las Xi tienen distribucion de Cauchy, para la que la media
no existe (ejercicio 4.2). Se deduce de (5.9) que D(X n ) = D(X1 ); y por lo tanto, X
n no
puede tender a una constante.
Un resultado mucho m as profundo, debido a Kolmogorov, es el que sigue:
Teorema 7.3 (Ley Fuerte de Grandes N
umeros) Si existe = EXi , entonces
n ) = 1.
lmn P(X
Es decir, que el conjunto de sucesiones para las que X n no tiende a tiene probabilidad
0. La demostracion se puede encontrar en [7, Vol. II].
La Ley de Grandes N umeros es importante en relaci on con el concepto de probabilidad.
En el primer ejemplo con el dado, dicha Ley implica que (de manera informal)
P{as} = lmite de frecuencias relativas. (7.1)
Al comienzo del curso se vio que el concepto intuitivo de probabilidad era el de lmite de
frecuencias relativas, pero que no era posible tomar eso como una definici
on. Pero lo que
ahora vemos es que tomando como definici on la de los axiomas de Kolmogorov, resulta que
se puede demostrar (7.1) (en vez de tomarlo como definici on).
La Ley de Grandes N
umeros y el uso del valor medio
. . . y que al regresar, parece decir:
acordate hermano, vos sabes,
no hay que jugar.
Por una cabeza, de C. Gardel y A. Le Pera
En un juego de azar con banca, la ganancia neta del jugador en cada jugada (lo que
recibe de la banca menos lo que apost o) es una variable aleatoria, que llamaremos X.
Segun una terminologa tradicional, el juego es equitativo, favorable o desfavorable seg
un
que EX sea respectivamente igual, mayor o menor que 0. En un juego en el qne el jugador
realiza una apuesta a, y con probabilidad p gana, recibiendo de la banca una suma s, y con
probabilidad 1 p pierde su apuesta, es EX = ps a. Por ejemplo, en la ruleta apostando
7.2. TEOREMA CENTRAL DEL LMITE 85
a pleno, es p = 1/37, y para a = 1 es s = 36, y por lo tanto EX = 1/37, o sea que el juego
es desfavorable. La Ley de Grandes N umeros implica que en un n umero suficientemente
grande de jugadas de un juego desfavorable, la ganancia neta del apostador es negativa, y
por lo tanto la de la banca es positiva. Lo inverso ocurrira con un juego favorable. Como
la banca se enfrenta a numerosos jugadores que adem as suelen jugar repetidamente
esta en una situacion en la que rige la Ley de Grandes N umeros, y por lo tanto que el juego
sea desfavorable le garantiza a la banca su rentabilidad a largo plazo.
Imaginemos ahora un juego de azar basado en una ruleta numerada, no del 0 al 36
como las habituales, sino del 1 al mill on. El jugador apuesta un d olar a un n
umero; si
pierde, pierde su d olar; si acierta, recibe dos millones. De acuerdo con la terminologa
anterior, el juego sera favorable, pues EX = 106 2 106 1 = U.S.$ 1. De modo
que en una serie suficientemente larga de repeticiones, el jugador tiene una ganancia
garantizada. Sin embargo, observemos que en cada jugada la probabilidad de ganar es s olo
un millonesimo, de manera que si por ejemplo el jugador tiene un capital inicial de 10000
dolares y los juega de a uno, la probabilidad de que los pierda antes de llegar a ganar alguna
vez es > (1 106 )10000 = 0.99. A un con un capital de medio mill on, la probabilidad de
que se vuelva a su casa a dedo es 0.90. Estos jugadores fundidos estaran poco dispuestos a
llamar al juego favorable. Al mismo tiempo, si hay un gran n umero de jugadores, la Ley
de Grandes N umeros implica que la banca tambien se funde!. Quien gana entonces en
este juego?. Unos poqusimos jugadores que obtienen ganancias fabulosas. Estas grandes
ganancias de algunos, difcilmente consuelen a la mayora de perdidosos.
Los conceptos expuestos en este ejemplo imaginario tienen aplicaciones m as concretas.
Supongamos que se quiere dise nar una planta hidroelectrica para operar en un ro cuyos
caudales anuales tienen una distribuci on muy asimetrica, tal que la media de los caudales
sea muy superior a la mediana. Si se dise nan las turbinas como para aprovechar el caudal
medio, la planta estar a la mayora de los a
nos operando muy por debajo de su capacidad,
y en unos pocos a nos tendr a muchsima agua, cosa que no compensara a los anteriores
perodos de escasez.
De todo esto se concluye que el concepto de valor medio es u til en situaciones en las
que tiene sentido que los valores grandes compensen a los peque nos; pero si no, hay que
recurrir a otras ideas. El planteo matem atico relevante para el ejemplo de los juegos de
azar es el llamado problema de la ruina del jugador. Ideas m as elaboradas se aplican en
el dise
no de represas y el c alculo de primas de seguros.
7.2 Teorema Central del Lmite

Como antes, Xi es una sucesi on de variables
n independientes, con la misma distribuci on,
todas con media y varianza 2 , y Sn = i=1 Xi . Buscaremos aproximar la distribuci on
de Sn para n grande. Cuando n , D(Sn ) no tiende a nada, cosa que uno puede
sospechar por ser var(Sn ) . Una idea es transformar la Sn de manera que su dis-
tribuci
on converja a algo. Si la dividimos por n obtenemos X n , que como se vio tiende
a , o sea, algo que tiene un solo valor; de modo que dividir por n resulta demasiado.
Habra que transformar a Sn de forma que su distribuci on tendiera a alguna distribuci

on
que no este concentrada en un solo valor. La idea salvadora es transformar a Sn para que
queden media y varianza constantes. Sea Sn la Sn normalizada para que tenga media 0 y
varianza 1:
Sn ESn Sn n Xn
Sn = = = .
var(Sn ) n / n
Entonces se puede probar el:
Teorema 7.4 (Teorema Central del Lmite) lmn P(Sn s) = (s) para todo
s R, donde es la funci
on de distribuci
on de la N(0, 1).
Para la demostraci on, ver [7, Vol. II].
Este Teorema tiene numerosas aplicaciones, en particular como ya veremos en
Estadstica y en Mecanica Estadstica.
El Teorema Central trata de la convergencia de una sucesi on de funciones de dis-
tribuci
on, a diferencia de la Ley de Grandes N umeros que trata la convergencia de las
variables aleatorias. El concepto adecuado es este:
Definicion 7.5 La sucesi
on de funciones de distribuci
on Fn converge debilmente a la
funci on F se escribe Fn F si lmn Fn (x) = F (x) para todos
on de distribuci
los x donde F es continua.
Si Zn es una sucesion de variables no necesariamente definidas en el mismo y Z
una variable, tales que FZn FZ , se escribir a D(Zn ) D(Z). En este caso se dice que
d
Zn converge a Z en distribuci on, y se abrevia Zn Z. Como lo u nico que interviene de
d d
Z es su distribucion, tambien se puede escribir Zn D(Z). Por ejemplo, Sn N(0, 1).
Este concepto no tiene nada que ver con la convergencia de las Zn como funciones de
R, sino s olo de sus distribuciones. Por ejemplo, sea X una variable que toma los
valores 1 con probabilidad 0.5, y sea Zn = (1)n X. Obviamente las Zn no convergen
a nada, pero tienen todas la misma distribuci on, igual a la de X, por lo que trivialmente
d
Zn X.
Por que conformarse en la definici
on con que la convergencia sea s olo en los puntos de
continuidad de F , en vez de en todo x?. La respuesta es que m as no se puede pedir, si se
quiere una definicion natural. Por ejemplo, sean Zn = 1/n y Z = 0. Sera razonable que
on de convergencia. Pero Fn (x) = 1 si x 1/n, y
este caso estuviera incluido en la definici
es = 0 si no; mientras que F (x) = 1 si x 0, y es = 0 si no. de modo que Fn (x) F (x)
para x = 0, pero en 0, donde F es discontiua, es lm Fn (0) = 0 = F (0) = 1.
7.3 Aplicaciones del Teorema Central del Lmite

7.3.1 Aproximaci
on normal a la binomial
Sean Xi = IAi , donde los eventos Ai son independientes y tienen probabilidad p. Entonces
= p, 2 = p(1 p), y Sn es binomial: Bi(n, p). Por lo tanto el Teorema Central del Lmite
7.3. APLICACIONES DEL TEOREMA CENTRAL DEL LMITE 87
implica que D(Sn ) = Bi(n, p) N(np, np(1 p)) para ngrande, o sea que si F es la
funci on de Bi(n, p) es F (x) {(x np)/ np(1 p)}. Esta aproximaci
on de distribuci on
puede mejorarse utilizando la llamada correccion por continuidad [7, Vol. 1] que consiste
en agregarle 0.5 a x, o sea
x + 0.5 np
F (x) . (7.2)
np(1 p)
7.3.2 Aproximaci
on normal a la Poisson
on Po() puede ser aproximada por la normal para grande. Sea X Po().
La distribuci
Recordemos que X tiene media y varianza iguales a . Entonces se cumple:

X
lm D = N(0, 1). (7.3)

Lo probamos primero cuando toma s olo valores enteros. Sean Y1 , Y2 , . . . Po(1) inde-
pendientes. Entonces, del ejercicio 5.3 se obtiene

D(X ) = D Yi .
i=1
Las Yi tienen media y varianza iguales a 1. Aplicando el Teorema Central, se verifica (7.3)
cuando recorre los enteros.
Si bien parece obvio que el resultado vale en general, los detalles de la demostraci on
para cualquiera requieren alg
un cuidado; el lector los puede hallar al final de la Secci
on
7.4.
7.3.3 Movimiento browniano

Si se observan al microscopio partculas en suspensi
on en un lquido, se ve que realizan
incesantes movimientos completamente ca oticos. El fen omeno descubierto en el siglo
pasado por el botanico ingles Robert Brown, y denominado movimiento browniano fue
explicado por Einstein como una consecuencia de la agitaci on de las molecuulas del lquido.
Damos a continuacion un enfoque muy simple del problema. Consideramos s olo el caso
unidimensional. Sea la variable Xt la posici
on de la partcula en el instante t, suponiendo
X0 = 0. Hacemos dos suposiciones:
a. La partcula no tiene inercia
b. Las condiciones no cambian en el tiempo.
La primera suposici
on la representamos postulando que los incrementos de Xt son inde-
pendientes, o sea,
t1 < t2 < . . . < tn = (Xt2 Xt1 ), . . . , (Xtn Xtn1 ) son independientes. (7.4)
La segunda, postulando que
D(Xt+s Xs ) = D(Xt ) s, t. (7.5)
Para calcular D(Xt ), aproximamos la situaci on mediante un paseo al azar como en el

problema 2.12, suponiendo que la partcula recibe impactos de las moleculas del lquido a
intervalos de tiempo , y que con cada impacto se desplaza una distancia < a la derecha
o a la izquierda, con probabilidad 1/2 cada una, y que lo que sucede en un impacto es
independiente de los dem as.
Sean Z1 , Z2 , . . . una sucesi independientes que valen 1 con probabilidad
on de variables
0.5. Entonces podemos expresar Xt = < ni=1 Zi , donde n = [t/] ([.] es la parte entera).
En consecuencia EXt = 0 y var(Xt ) = [t/]<2 . Como los impactos son muy frecuentes y
los desplazamientos muy peque nos, hacemos 0 y < 0. Sea c = lm(<2 /). Entonces,
el Teorema Central implica que en el lmite:
D(Xt ) = N(0, ct). (7.6)
Las condiciones (7.4), (7.5) y (7.6) definen un proceso estoc

astico con tiempo continuo
llamado movimiento browniano o proceso de Wiener.
7.3.4 Tama
nos de piedras
Los fragmentos de rocas tienen distintos tama nos, y es u
til en Mineraloga representar esta
variedad mediante una distribucion. Un modelo sencillo permite postular la lognormal
para estos casos. Consideremos una roca de masa M . En el primer paso, es partida al
azar en dos trozos, con masas respectivamente M U1 y M (1 U1 ), donde U1 (0, 1) es una
variable aleatoria con distribuci
on F . Como la numeraci on de los dos trozos es arbitraria,
se puede suponer que D(U1 ) = D(1 U1 ). En el segundo paso, cada uno de estos dos
trozos es dividido a su vez en dos por el mismo proceso, y as sucesivamente. En el n-esimo
paso, quedan 2n trozos, con masas de la forma M W1 W2 . . . Wn , donde las Wi tienen todas
distribucion F (la W1 puede ser U1 o 1 U1 , etc.). Si se llama X a la masa de cualquier
partcula, es log X = log M + ni=1 Zi donde Zi = log Wi . Si se supone que las Wi
y por lo tanto las Zi son independientes, y que existe EZi2 , y dado que las Zi tienen
todas la misma distribuci on, para n grande el Teorema Central implica que D(log X) es
aproximadamente normal, y por lo tanto, que D(X) es aproximadamente lognormal (la
justificaci
on del por lo tanto se ver
a en la Proposici
on 7.7). Si bien nada garantiza que
las suposiciones del modelo se cumplan, el hecho es que la lognormal resulta en la pr actica
una buena aproximaci on para muchas distribuciones empricas de tama nos de trozos de
minerales.
7.4 Convergencia en distribuci

on y en probabilidad
Veremos en esta Secci
on algunas propiedades de los dos tipos de convergencia.
Y EN PROBABILIDAD
7.4. CONVERGENCIA EN DISTRIBUCION 89
7.4.1 Convergencia de funciones de variables aleatorias

p p
Es de esperar que, por ejemplo, si Zn Z, entonces tambien Zn2 Z 2 . Esto se expresa
en el resultado que sigue.
p p
on 7.6 Si Zn Z y g es una funci
Proposici on continua, entonces g(Zn ) g(Z).
La demostraci on es elemental, pero larga y aburrida; es muy f
acil para el caso particular
en que g es diferenciable con derivada acotada (ejercicio 7.2).
d d
Tambien es de esperar que, por ejemplo, si Zn Z, entonces tambien Zn2 Z 2 . Esto
se verifica a contnuacion:
d d
on 7.7 Si Zn Z y g es una funci
Proposici on continua, entonces g(Zn ) g(Z).
La demostracion no es simple para g cualquiera, pero es muy facil para el caso en que g es
monotona, caso que queda a cargo del lector (ejercicio 7.10). En particular, en la Secci
on
7.3.4, esto implica que si log X es aproximadamente normal, entonces X es aproximada-
mente lognormal.
7.4.2 Relaciones entre los dos tipos de convergencia

Una relacion muy util entre las convergencias en probabilidad y en distribuci
on es el siguien-
te resultado, que afirma que si dos variables est an pr
oximas, sus distribuciones tambien lo
estan (cosa que es de imaginar).
Proposicion 7.8 Sean Fn y Gn las funciones de distribuci
on de Un y de Vn . Si
p
Un Vn 0 y Gn G, entonces Fn G.
La demostracion es elemental pero algo trabajosa; se la puede encontrar en [7, Vol.II, Cap.
8].
El concepto de convergencia en probabilidad es, como era de esperar, m as fuerte que el
de convergencia en distribuci
on, como se muestra a continuaci on.
p d
on 7.9 Zn Z = Zn Z.
Proposici
Demostraci
on: Basta aplicar la Proposicion 7.8 con Un = Zn y Vn = Z.
Hay un caso en que vale la recproca:
d p
on 7.10 Si c es una constante, Zn c = Zn c.
Proposici
Demostraci
on: Por hip
otesis, lm FZn (z) = 0
o 1 seg
un sea z < c
o > c. Por lo tanto
P(|Zn c| > <) 1 FZn (c + <) + FZn (c <) 0.
En muchas situaciones aparecen combinados ambos tipos de convergencia, particu-

larmente al buscar aproximaciones para las distribuciones de variables que aparecen en
Estadstica. La proposici
on siguiente, que es bastante intuitiva, resulta muy u
til.
d p
on 7.11 (Lema de Slutsky) Si Xn X e Yn c donde c es una constante,
Proposici
entonces
d
a. Xn + Yn X + c
d
b. Xn Yn cX.
d p d
Por ejemplo, si Xn N(0, 1) e Yn 2, entonces Xn + Yn N(2, 1).
Demostraci on: Para (a) se aplica la Proposici
on 7.8 con Un = Xn + Yn y Vn = Xn +c.
p
Para (b) se toman Un = Xn Yn y Vn = Xn c. Aqu hay que verificar que Un Vn 0.
Para esto, dados < > 0 y > 0, sea K tal que P(|X| > K) < <. Entonces existe n1
tal que n > n1 implica P(|Xn | > K) < . Asimismo, existe n2 tal que n > n2 implica
P(|Yn c| > </K) < . Y como
P(|Un Vn | > ) = P(|Xn ||Yn c| > ) P(|Xn | > K) + P(|Yn c| > /K),
queda probada la tesis.

En muchas situaciones hace falta la distribuci
on lmite de una funci
on de las variables
en consideraci
on. La aproximaci
on que mostraremos ahora es llamada metodo delta.
d
Proposici on 7.12 Sean a y cn constantes tales que cn y cn (Zn a) Z. Sean: g
d
on diferenciable, y b = g (a). Entonces cn (g(Zn ) g(a)) bZ.
una funci
O sea que en el lmite, es como si g fuera lineal.
Demostraci on: El desarrollo de Taylor de primer orden de g en a da g(z) g(a) =
(z a)(b + h(z)), donde h es una funci on tal que lmza h(z) = 0. Las hip
otesis implican
p p
que Zn a 0, y de aqu se deduce f acilmente que h(Zn ) 0. Por lo tanto
cn (g(Zn ) g(a)) = cn (Zn a)b + cn (Zn a)h(Zn ).
Por el Lema de Slutsky, el primer termino del segundo miembro tiende en distribuci
on a
bZ, y el segundo a 0.
En particular,

n(Zn a) N(0, 1) = n(g(Zn ) g(a)) N(0, b2 ),
d d
o sea,
g (a)2
D(g(Zn )) N g(a), . (7.7)
n
Ejemplo 7.A: Otra aproximaci on para la Poisson Se mostrar a que si X Po(),
d
entonces X . Tomando en la Proposici
N(0, 1/4) cuando on 7.12:
Z = X /, a = 1, c = y g(x) = x, se obtiene b = 1/2; y teniendo en cuenta (7.3)
se completa la demostraci on.
N
otese que con esta transformaci on la varianza no depende del par
ametro . Una
situaci
on similar se tiene en el ejercicio 7.12.
7.5. EJERCICIOS 91
7.4.3 *Demostraci
on de la aproximaci
on normal a la Poisson
Completamos aqu la demostraci on general de (7.3). Sea cualquiera, n = [] su parte
entera, y = n su parte fraccionaria. Sean Xn y X independientes con distribuciones
de Poisson con parametros n y . Entonces X = Xn + X Po(). Por lo tanto

X Xn n n X
= + . (7.8)
n
Como E(X )2 = [0, 1), el u
ltimo te
rmino tiende a 0 en probabilidad por la desigual-

dad de Markov (ejercicio 7.13). Adem as n/ 1, y ya se vio que D((Xn n)/ n))
N(0, 1). Por lo tanto el Lema de Slutsky implica que (7.3) tiende a N(0, 1).
7.5 Ejercicios
7.1 Sea Xt la cantidad de sucesos hasta el instante t en un proceso de Poisson con
p
intensidad c. Probar que Xt /t c cuando t .
7.2 Probar el Teorema 7.6 para el caso en que la derivada g es continua y acotada
[Sugerencia: usar el Teorema del Valor Medio].
7.3 Se arroja n veces un dado equilibrado. Sea Z la suma de todos los puntos obtenidos.
a. Calcular aproximadamente P(680 Z 720) para n = 200.
b. Hallar aproximadammte el menor n tal que P(|Z/n 3.5| 0.1) 0.9.
7.4 La variable Yn toma los valores 0 y n2 , con probabilidades 1 1/n y 1/n respectiva-
mente. Es cierto que E(lmn Yn ) = lmn (E Yn )?.
7.5 La duraci on de cada l
ampara de un lote de N l amparas es exponencial con media
= 1000 horas. Las duraciones de distintas l amparas son independientes. En una
instalaci
on, cada vez que una l
ampara se quema, es inmediatamente reemplazada
por otra nueva. Sea T la duraci
on total del lote (o sea, el tiempo hasta quemarse la
u
ltima l
ampara). Calcular aproximadamente
a. P(T > 115000 horas) para N = 100
b. el menor N que asegure P(T > 500000) > 0.95
c. el mayor t tal que P(T > t) 0.95 si N = 100.
7.6 Se arroja 600 veces un dado equilibrado. Calcular la probabilidad de que la pro-
porci
on de ases este entre 1/6 y 1/5.
7.7 En una ciudad, la proporcion de consumidores de una marca de gaseosas es p. Se
toma una muestra al azar de tama no n (la ciudad es lo bastante grande como para
que se puedan considerar equivalentes al muestreo con o sin reemplazo). Sea R la
proporci
on de consumidores en la muestra.
a. Si p = 0.2 y n = 200, calcular aproximadamente P(|R p| 0.01).

b. Si p = 0.2 y n = 200, hallar el menor tal que P(|R p| < ) 0.9.
c. Si p = 0.2, hallar el menor n tal que P(|R p| 0.01) 0.9.
d. En una situacion m as realista, p es desconocido. Se desea elegir n tal que
P(|R p| 0.01) 0.9. Se puede suponer (por los resultados de muestreos
anteriores) que 0.1 p 0.3. Hallar el menor n necesario.
7.8 Una excursion dispone de 100 plazas. La experiencia indica que cada reserva tiene
una probabilidad 0.10 de ser cancelada a u
ltimo momento. No hay lista de espera. Se
supone que los pasajeros hacen sus reservas individualmente, en forma independiente.
Se desea que la probabilidad de que queden clientes indignados por haber hecho su
reserva y no poder viajar, sea 0.01. Calcular el n
umero maximo de reservas que se
pueden aceptar.
7.9 Si X Po(100), hallar aproximadamente el tal que P(|X/100 1| ) = 0.99.
d d
7.10 Probar que si Zn Z, y g es una funci
on continua y creciente, entonces g(Zn )
g(Z).
7.11 En el problema 4.15, usar el Teorema Central para obtener el n, y compararlo con el
que dara la desigualdad de Chebychev.

7.12 Si X Bi(n, p), mostrar que para n grande, la distribucion de arcsen( X/n) se
puede aproximar por una normal cuya varianza no depende de p.
p
7.13 Probar que si E|Zn Z| o para alg
un > 0, entonces Zn Z [usar la desigualdad
de Markov].
Parte II
ESTADISTICA
93
Captulo 8
Descripci
on de una Muestra
8.1 Res
umenes
En Probabilidad hemos considerado hasta ahora el comportamiento de observaciones que
cumplen un modelo dado. En Estadstica, en cambio, disponemos de conjuntos de observa-
ciones (muestras) correspondientes a un experimento considerado aleatorio, y debemos
extraer de ellas conclusiones sobre los modelos que podran cumplir.
La distribucion muestral (o emprica) correspondiente a una muestra x1 , . . . , xn , es
la distribuci
on discreta concentrada en los puntos xi (i = 1, . . . , n), dando a cada uno
probabilidad 1/n. La correspondiente funci on de distribuci
on emprica es
n
1 1
F (t) = card{i : xi t} = I(xi t), (8.1)
n n i=1
o sea, una escalera con salto 1/n en cada xi .

En este captulo se presentan algunos metodos sencillos para describir la informaci
on
contenida en F . Veremos ahora c omo sintetizar caractersticas de la muestra en unos
pocos numeros relevantes.
8.1.1 Media y varianza muestrales

Los res
umenes m
as f
aciles de calcular son la media y varianza de la distribuci
on muestral,
que son
n n
1 1
x
= xi , vx = )2 .
(xi x (8.2)
n i=1 n i=1
Se prueba como en (4.22) que

n
1 2
vx = 2 .
x x (8.3)
n i=1 i
95
96 DE UNA MUESTRA
CAPTULO 8. DESCRIPCION
Esta formula es m as f
acil que la anterior si s
olo se dispone de calculadora; pero puede ser
numericamente poco confiable, a un con una computadora, como puede comprobarse en el
ejercicio 8.2, que adem as muestra una forma de evitar ese peligro.
Ejemplo 8.A: Duraci on de pilas Los siguientes datos son las duraciones (en horas)
de una muestra de pilas electricas [16].
237 242 232 242 248 230 244 243 254

262 234 220 225 246 232 218 228 240
El lector puede verificar que la media y varianza muestrales son respectivamente 237 y 121.
La media y varianza muestrales tienen la propiedad de que si se las conoce para dos
muestras, tambien se las puede conocer para su uni
on (ejercicio 8.3). Pese a estas ventajas,
estos dos par
ametros pueden ser enganosos si se buscan valores representativos, como se
vio en el ejemplo de pag. 57.
8.1.2 Diagrama de tallo y hoja

Sean x(1) . . . x(n) los xi ordenados (o estadsticos de orden). Los metodos m as u
tiles
para analizar una muestra est an basados en los x(i) , cuyo c alculo requiere obviamente
ordenar la muestra. Esto puede ser engorroso si n es grande y no se dispone de una
computadora. El siguiente metodo, inventado por J.W. Tukey y llamado diagrama de
tallo y hoja (stem-and-leaf plot) [9], est
a basado en la idea de que es m as facil ordenar
varios conjuntos peque nos que uno grande. Como es m as f
acil explicarlo con un ejemplo,
lo haremos con los datos del Ejemplo 8.A. El lado izquierdo de la Tabla 8.1 muestra el
primer paso. Una r apida mirada a los datos muestra que estos estan entre 210 y 270. Los
numeros de la primera columna (tallo) representan a 210,. . . ,260. El primer valor de la
muestra es 237, que tiene tallo 23 y hoja 7, y figura por lo tanto como 7 en la fila
del 23. El segundo es 242, que figura como 2 en la fila del 24, etc..
Tabla 8.1: Diagrama de tallo y hoja
21 8 1 1 21 8
22 0 5 8 4 3 22 0 5 8
23 7 2 0 4 2 10 6 23 0 2 2 4 7
24 2 2 8 4 3 6 0 16 6 24 0 2 2 3 4 6 8
25 4 17 1 25 4
26 2 18 1 26 2
En cada fila se ordenan las hojas. El lado derecho de la tabla muestra el resultado
final. La segunda columna indica la cantidad de hojas de cada tallo, y la primera da la
suma acumulada. Ahora es f acil hallar cualquier x(i) gui
andose por la primera columna.

8.1. RESUMENES 97
El criterio para elegir el tama

no de los tallos es que en cada uno la cantidad de valores
permita ordenarlos f acilmente. No es necesario aunque es conveniente que los tallos
esten igualmente espaciados. Como veremos en la secci on 8.2.1, este diagrama brinda no
solo un ordenamiento de los datos, sino una forma de representarlos.
8.1.3 Cuantiles muestrales

Volvemos al objetivo de describir la muestra. Como se definio en la secci
on 4.5.1, el cuantil
de F es cualquier n
umero x tal que F (t) si t < x , y F (t) si t > x .
Como F es una escalera, los cuantiles no quedan as unvocamente definidos. Para que
x quede bien definido, y sea adem as una funci
on creciente y continua de , se introduce
una pequena modificaci
on, definiendo
x = (1 h)x(k) + hx(k+1) para [1/2n, 1 1/2n], (8.4)
donde k y h son respectivamente la parte entera y la parte fraccionaria de u = n + 0.5; o

sea, k = [u] y h = u [u].
Para justificar esta definicion, recordemos que el grafico de F es una sucesi on de

escalones: en x(k) , F salta de (k 1)/n a k/n. Sea F la funci on que se obtiene de F
uniendo con segmentos los puntos medios de las lneas verticales de los escalones, o sea, una
sucesi
on de rampas. La primera rampa se prolonga hasta la ordenada 0 por la izquierda
y la u
ltima por la derecha hasta 1. De modo que

1 k1 k 2k 1
F (x(k) ) = + = , (8.5)
2 n n 2n
y es lineal entre los x(k) . Entonces F es continua y creciente, y x de (8.4) es la u

nica
soluci
on de
F (x ) = . (8.6)
Para = 0.5 se tiene la mediana muestral. Si n es par, n = 2m con m entero, lo
que implica u = m + 0.5, y por lo tanto k = m = n/2 y h = 0.5, con lo que resulta
x0.5 = (x(k) + x(k+1) )/2, o sea, el promedio de las dos observaciones centrales. Si n es
impar: n = 2m 1, que implica u = m = (n + 1)/2, y por lo tanto k = m y h = 0, de lo
que resulta x0.5 = x(m) , o sea, la observaci
on central. Para la muestra de pilas, la mediana
es (x(9) + x(10) )/2 = 236.5.
De igual forma se calculan los cuartiles muestrales ( = 0.25 y = 0.75); aqu hay
4 casos que considerar, que quedan a cargo del lector. Para las pilas, los cuartiles son
x(5) y x(14) . Con los cuartiles se puede medir la asimetra mediante (4.42). Un resumen
de 5 numeros de la muestra consiste de: el minimo, los 3 cuartiles, y el m
aximo.
8.1.4 Diagrama de caja

El diagrama de caja (box plot) [9] es una representaci
on gr
afica del resumen de 5 n
umeros,
que se obtiene marc
andolos sobre una recta y recuadrando los 3 cuartiles (Figura 8.1). Cada
98 DE UNA MUESTRA
uno de los cuatro segmentos que se forman contiene aproximadamente la cuarta parte de
las observaciones; la caja contiene aproximadamente la mitad. El diagrama da entonces
una visi
on r
apida de c omo est
an distribuidas las observaciones, y en particular una idea
del grado de asimetra. Tambien es u
til para comparar dos o mas muestras.
Ejemplo 8.B: Calor de fusi on del hielo Dos metodos, A y B, fueron utilizados para
determinar la cantidad de calor necesaria para llevar el hielo de 72 o C a 0 o C (en caloras
por gramo de masa) [14]. Para simplificar, se ha restado 79 de todos los valores.
A : 0.98 1.04 1.02 1.04 1.03 1.03 1.04 0.97

1.05 1.03 1.02 1.00 1.02
B : 1.02 0.94 0.98 0.97 0.97 1.03 0.95 0.97
El lector puede comprobar que los respectivos res

umenes de 5 valores son:
A : 0.97 1.015 1.03 1.04 1.05

B : 0.94 0.96 0.97 1.00 1.03
De aqu se obtienen los diagrama de caja de las muestras de la Figura 8.1, en los que
se puede apreciar que difieren en posici
on, dispersi
on y asimetra.
.94 .96 .98 1.0 1.02 1.04
Figura 8.1: Fusi

on del hielo: diagramas de caja
Datos agrupados
En algunos casos especialmente cuando n es muy grande no se dispone de la muestra,
sino de los valores agrupados. Es decir, para m intervalos de extremos a0 < . . . < am se
conocen las frecuencias fj = card{xi [aj1 , aj )}.
Si se quiere calcular x y vx con datos agrupados, no se dispone de toda la infor-
macion necesaria. Una buena aproximaci on se obtiene suponiendo que los datos estan
uniformemente distribuidos en cada intervalo. Sean pj = fj /n las frecuencias relativas,

8.2. LA FORMA DE LA DISTRIBUCION 99
j = (aj1 + aj )/2 los puntos medios, y Lj = aj aj1 las longitudes de los intervalos.
x
Entonces se tiene la aproximaci
on
m
m
m
1

x pj x
j , vx pj ( )2 +
xj x pj L2j . (8.7)
j=1 j=1
12 j=1
Es decir, la media se calcula como si todas las observaciones estuvieran en los puntos
medios de los intervalos; y la varianza tambien, m as el u
ltimo termino que tiene en cuenta
las longitudes de los mismos, y que se suele llamar correccion de Shepard. Para la deducci
on,
ver el ejercicio 8.10
Si los datos estan agrupados, solo se pueden estimar algunos cuantiles. Sean qj =
j
F (aj ) = k=1 pk ; entonces se puede estimar xqj = aj . Los cuantiles intermedios se
aproximan interpolando.
8.2 La forma de la distribuci

on
Es importante tener una idea gr afica de la forma de la distribuci
on muestral; en particular,
para orientarse en la elecci
on de un modelo. Veremos a continuaci on dos metodos simples.
8.2.1 Histograma
Un histograma de una muestra se obtiene eligiendo una partici on en m intervalos de
extremos a0 < . . . < am , con longitudes Lj = aj aj1 ; calculando las frecuencias
fj = card{xi [aj1 , aj )} (o las frecuencias relativas pj = fj /n), y graficando la funci on
igual a fj /Lj (o pj /Lj ) en el intervalo [aj1 , aj ) y a 0 fuera de los intervalos. O sea, un
conjunto de rect angulos con
area fj (o pj ). Esto es una versi
on discreta de la densidad, en
la que areas miden frecuencias.
Por ejemplo, si para los datos del Ejemplo 8.A elegimos los intervalos de extremos 210,
230,240, 250 y 270, obtenemos el histograma de la Figura 8.2 (los extremos fueron elegidos
as s
olo como ilustraci on).
Si los datos vienen agrupados, los intervalos estan ya determinados. Pero si no, lamentable-
mente no hay reglas simples para elegir su n umero y sus extremos. Si son muy angostos,
hay m as detalle en la representaci
on, pero m as variabilidad, y viceversa. Salvo que n sea
muy grande, se recomienda probar distintas variantes para distinguir lo real de lo ilusorio.
Si el lector mira el diagrama de tallo y hoja de Tabla 8.1 girando el libro 90o , notar a
que obtuvo gratis un histograma!. De modo que aqu tenemos otro uso de dicho diagrama
(que s olo es v
alido si las hojas est
an igualmente espaciadas).
8.2.2 Diagrama de cuantiles

A veces se desea comparar la forma de la distribuci on muestral con la de una distribuci on
o familia de distribuciones dada (por ejemplo, normal o exponencial). Un motivo puede ser
que la distribuci
on dada figure en las suposiciones de alg
un metodo estadstico que se va a
100 DE UNA MUESTRA
210 230 240 250 270
Figura 8.2: Histograma de la duraci

on de pilas
aplicar, como se ver a en los captulos siguientes; y entonces se quiere ver en que medida los
datos parecen estar de acuerdo con las suposiciones. Otro motivo puede ser simplemente
el disponer de una manera m as sencilla de describir una distribuci on muestral, diciendo,
por ejemplo es aproximadamente normal, salvo que un poco asimetrica.
Sea G la distribuci on dada. El diagrama de cuantiles consiste en graficar los cuantiles
muestrales con los correspondientes de G, o sea, x contra G1 () para (0, 1). Como
por (8.5) es F (x(k) ) = k donde
2k 1
k = , (8.8)
2n
el diagrama se hace graficando x(k) en la ordenada contra G1 (k ) en la abscisa, para
k = 1, . . . , n. Si F G, el gr
afico debiera aproximarse a la recta identidad.
Frecuentemente, uno desea comparar la distribuci on muestral con una familia de dis-
tribuciones. Consideremos por ejemplo la normal. Si G es la FD correspondiente a N(0, 1),
y F la de N(, 2 ), es F 1 (u) = G1 (u) + para u (0, 1), y por lo tanto el gr afico de
F 1 contra G1 da una recta con pendiente y ordenada en el origen . En consecuen-
cia, si F es aproximadamente normal, el diagrama de cuantiles de la muestra con N(0, 1)
dara aproximadamente una recta, con ordenada en el origen y pendiente aproximadamente
iguales a la media y la desviaci on. Del gr a inferir en que aspectos difiere F de
afico se podr
la normal. La misma idea vale para cualquier familia de escala y posici on. Si se desea com-
parar con la familia exponencial, el gr afico con G = Ex(1) debiera dar aproximadamente
una recta por el origen.
Ejemplo 8.C: Velocidad de la luz Los datos siguientes corresponden a 20 mediciones
(en segundos) del tiempo empleado por la luz para recorrer una distancia de 7442 m. [20]
(para simplificar, los datos de la tabla son el resultado de restar 24.8 a los datos originales,

8.2. LA FORMA DE LA DISTRIBUCION 101
y luego multiplicar por 1000).

28 26 33 24 34 44 27 16 40 2
29 22 24 21 25 30 23 29 31 19
En el diagrama normal de cuantiles de la Figura 8.3 se ve que la muestra esta bas-
tante bien descripta por la normal, salvo las dos observaciones menores que se apartan
notablemente.
40

20

x(i)
0
-20
-40

-2 -1 0 1 2
Figura 8.3: Tiempos de pasaje de la luz: diagrama normal
Realizar estos diagramas a mano puede ser muy trabajoso para n grande. Pero se
puede realizar un diagrama simplificado, basado en la idea de que no es indispensable usar
todos los x(i) , y que la informacion mas importante sobre diferencias entre la distribucion
muestral y la te orica suele notarse en los extremos. La idea basica es comparar los cuan-
tiles de ambas distribuciones, para = 1/2, 1/4, 1/8 . . . y sus simetricos 3/4, 7/8, . . . .
Mas precisamente, definiremos un subconjunto de ndices k de {1, . . . , n}. El primero
corresponde a la mediana, y es igual a (n + 1)/2 (que para n par representa el promedio de
las dos observaciones centrales). Dado un k, el pr oximo es [(k + 1)/2], hasta llegar a 1. Por
ejemplo, si n = 19, la secuencia es 10, 5, 3, 2, 1. Luego se toman los simetricos n k + 1;
y quedan en definitiva 1,2,3,5,10,15,17,18,19 (donde 10 corresponde a la mediana). Si
n = 20, la secuencia total es 1,2,3,5,10.5 ,15,17,18,19 (donde 10.5 representa el promedio
de x(10) y x(11) , o sea la mediana).
Para cada uno de estos valores de k se calcula el correspondiente k de (8.8), y la
abscisa G1 (k ), que se grafica contra la ordenada x(k) . Es mas f
acil verlo con un ejemplo.
102 DE UNA MUESTRA
Ejemplo 8.D: Resina sintetica La Tabla 8.2 da las duraciones bajo tensi
on de 100
filamentos de Kevlar, una resina sintetica [14], ya ordenadas.
Tabla 8.2: Duraci

on de filamentos de Kevlar (en horas)
0.18 3.1 4.2 6.0 7.5 8.2 8.5 10.30 10.6 24.2
29.6 31.7 41.9 44.1 49.5 50.1 59.7 61.70 64.4 69.7
70.0 77.8 80.5 82.3 83.5 84.2 87.1 87.30 93.2 103.4
104.6 105.5 108.8 112.6 116.8 118.0 122.3 123.50 124.4 125.4
129.5 130.4 131.6 132.8 133.8 137.0 140.2 140.90 148.5 149.2
152.2 152.8 157.7 160.0 163.6 166.9 170.5 174.90 177.7 179.2
183.6 183.8 194.3 195.1 195.3 202.6 220.0 221.30 227.2 251.0
266.5 267.9 269.2 270.4 272.5 285.9 292.6 295.10 301.1 304.3
316.8 329.8 334.1 346.2 351.2 353.3 369.3 372.30 381.3 393.5
451.3 461.5 574.2 656.3 663.0 669.8 739.7 759.60 894.7 974.9
Veremos si estos datos se pueden ajustar por una distribuci

on exponencial. La Tabla
8.3 muestra los c
alculos previos.
Tabla 8.3: Kevlar: valores auxiliares
k k ln(1 k ) x(k)
1 0.005 0.005 0.18
2 0.015 0.015 3.1
4 0.035 0.036 6.0
7 0.065 0.067 8.5
13 0.125 0.13 41.9
25 0.245 0.28 83.5
50.5 0.5 0.69 150.7
76 0.765 1.41 285.9
88 0.875 2.08 372.3
94 0.935 2.73 656.3
97 0.965 3.35 739.7
99 0.985 4.20 894.7
100 0.995 5.30 974.9
El 50.5 representa la mediana, promedio de x(50) y x(51) . Con este material se realiza
el gr
afico de la Figura 8.4, que muestra poca correspondencia entre ambas distribuciones:
si bien los valores menores siguen aproximadamente una recta por el origen, esto no sucede
si se incluyen los mayores.
La familia de distribuciones Weibull puede ser transformada en una de escala y posici
on
8.3. EJERCICIOS 103
1000
800

600
400
200

0

0 2 4 6
Figura 8.4: Kevlar: diagrama exponencial
tomando logaritmos (Ejemplo 3.E). El lector podr

a verificar que la Weibull da un muy
buen ajuste a estos datos (ejercicio 8.8).
8.3 Ejercicios
8.1 Sean Xi (i = 1, . . . , n) variables independientes con funci
on de distribuci
on F , y sea
F la funcion de distribuci on emprica correspondiente a la muestra X1 , . . . , Xn , o
sea F (x) = n1 ni=1 I(Xi x). Probar que para cada x es E F (x) = nF (x) y
var(F (x)) = nF (x)(1 F (x)).
8.2 Compare los resultados de calcular la varianza muestral de los n umeros: 1000001,
1000002, 1000003, de las dos formas (8.2) y (8.3) utilizando (o simulando) una cal-
culadora que retiene los primeros 7 dgitos significativos. Reptalo despues de restar
1000000 a todos los datos.
8.3 Si de cada una de dos muestras conoce solo la media, la varianza y el n

umero de
elementos, muestre c
omo calcular media y varianza de la uni
on.
8.4 Probar (8.6).

104 DE UNA MUESTRA
8.5 Los siguientes valores son las duraciones (en horas) de una muestra de 15 l
amparas:
459 84 166 559 459 3425 1784 2250

4142 3425 1251 0765 0866 1605 1251
a. Hacer el diagrama de caja.

b. Hacer un gr
afico de cuantiles con la distribuci
on exponencial.
c. Idem con la normal.
8.6 Los datos siguientes son determinaciones del paralaje del sol es decir, del angulo
bajo el cual se vera la Tierra desde el sol en segundos de arco. Haga los diagramas
de tallo y hoja, de caja, y el diagrama normal de cuantiles. Que descripci on hara
de los resultados?.
8.65 8.35 8.71 8.31 8.36 8.58
7.80 7.71 8.30 9.71 8.50 8.28
9.87 8.86 5.76 8.44 8.23
8.7 a. Haga el diagrama de tallo y hoja de los datos del Ejemplo 8.D.
b. Mirando el histograma producido, puede darse una idea de por que fall
o el
ajuste a la exponencial?.
8.8 a. Usando los resultados del Ejercicio 3.13 (b), describa un metodo para comparar
una distribuci
on muestral con una Weibull.
b. Aplique dicho metodo a los datos del Ejemplo 8.D [en la Tabla 8.3 tiene hecha
parte del trabajo].
8.9 Los datos siguientes son longitudes dorsales (en mm.) de oct opodos de distintas
especies [14]. Hacer un diagrama de cuantiles para comparar con la log-normal.
21 23 28 32 19 22 27 29
67 80 110 190 63 73 84 130
08 12 16 18 05 10 15 17
40 44 51 57 35 43 49 54
8.10 Sean a0 < a1 < . . . < am

, pi (i = 1, . . . , m) n
umeros posiivos que suman 1, y f la
densidad dada por f = m j=1 pj fj , donde fj es la densidad uniforme en [aj1 , aj ].
Calcular la media y varianza de f y comparar con (8.7).
Captulo 9
Estimaci
on Puntual
9.1 Introducci
on
Hasta ahora nos hemos ocupado de obtener propiedades de observaciones correspondien-
tes a variables con una distribuci on dada. Ahora trataremos el problema inverso: se
tienen observaciones correspondientes a una distribuci
on desconocida, y se quiere obtener
informaci
on sobre esta. En las situaciones m
as manejables, se supone que la distribuci
on
pertenece a una familia con ciertos par
ametros que se desea estimar. Para entrar en tema,
comenzamos con un ejemplo.
Ejemplo 9.A: Control de calidad Se desea controlar un lote de N = 1000 latas de
conservas, de las cuales un numero M desconocido son defectuosas (tienen botulismo).
Se elige al azar una muestra de n = 30 sin reemplazo. Examinadas estas, resultan 2
defectuosas. Que se puede decir de M ?.
Esta es una situaci on tpica de inferencia estadstica: de una muestra, obtener conclu-
siones sobre una poblaci on. Sea en general X la cantidad de latas defectuosas en la muestra;
X es una variable aleatoria. La distribuci on de X (en este caso la hipergeometrica) con-
tiene un par ametro desconocido, M . En este caso, el par ametro podra ser determinado
exactamente, examinando todas las latas; salvo que esto sera un tanto antiecon omico. Se
busca una regla que a cada valor de X haga corresponder un n umero M (X), tal que en
un sentido sea M (X) M . Esto es un estimador puntual. Aqu, M es una funci
alg on
de {0, 1, . . . , n} en {0, 1, . . . , N }. Tambien, M (X) es una variable aleatoria. Se suele usar
la misma notaci on M para ambas, y llamar a ambas estimador, lo que no produce
confusiones, aunque desde el punto de vista formal sea un abuso de lenguaje.
Una forma en la cual se puede precisar el sentido de M (X) M , es a traves de
una medida del error. La m as usada es el error medio cuadratico: emc = E(M M )2 . A
traves del emc se puede establecer si el estimador tiene la precisi on deseada.
La intuici on dice que debiera ser M = N X/n. Pero hay alguna manera sistem atica
de obtener buenos estimadores?. A continuaci on se muestran los dos metodos m as im-
105
106 PUNTUAL
CAPTULO 9. ESTIMACION
portantes.
El m
etodo de m
axima verosimilitud
La distribuci
on de X depende del par
ametro desconocido M . Para ponerlo de manifiesto,
escribimos
P(X = x) = p(x, M ) para x {0, 1, . . . , n},
donde por ser D(X) = Hi(M, N, n), es

M N M
x nx
p(x, M ) = .
N
n
El metodo de m axima verosimilitud (en ingles: maximum likelihood) consiste en definir
para cada x la funci on M (x) como el valor de M que maximiza p(x, M ), entre los va-
lores que puede tomar el par ametro; en este caso, enteros entre 0 y N ; es decir, el valor
del parametro que maximiza la probabilidad de que haya sucedido lo que efectivamente
sucedio. En este caso, como M toma s olo valores enteros, para hallar el m
aximo buscamos
los M para los que p(x, M )/p(x, M 1) > 1 (a semejanza de la resoluci on del ejercicio
2.19).
Simplificando los factoriales, queda
p(x, M ) M (N M n + x + 1)
= >1
p(x, M 1) (N M + 1)(M x)
(N + 1)x
M n < N x + x M < .
n
Sea u = (N + 1)x/n. Si 0 < x < n, entonces para cada x, p(x, M ) alcanza su m aximo en
M = [u] si u no es entero; y en M = u y M = u 1 si u es entero. Si x = n, es siempre
p(x, M )/p(x, M 1) > 1, o sea p(x, M ) es creciente en M , y por lo tanto el m
aximo se
alcanza en M = N; si x = 0, p(x, M ) es decreciente en M , y el m aximo se alcanza en
M = 0. En consecuencia tenemos

(N + 1)x
M (x) = si x < n
n
= N si x = n;
(donde [.] es la parte entera), lo que est
a de acuerdo con la intuici
on. Este es el estimador
de maxima verosimilitud (EMV). N otese que, por definici
on, el EMV toma siempre valores
admisibles del par ametro (en este caso, enteros entre 0 y N ). En el Ejemplo 9.A es M = 66.
El m
etodo de los momentos
Notemos que la esperanza de X depende de M:
nM
EX = x p(x, M ) = .
N
xC

9.2. METODOS
DE ESTIMACION 107
El metodo consiste en igualar EX con X y resolver la ecuaci

on resultante:
nM NX
= X M = .
N n
y se define el estimador como M = N X/n. Esto da parecido al EMV, pero el valor que se
obtiene puede no ser entero. En el Ejemplo es M = 66.67. En muchos casos el estimador
de momentos coincide con el EMV, pero en otros pueden ser totalmente distintos (ejercicio
9.3). En general el EMV tiene menor emc que el de momentos. En compensaci on, este
u
ltimo es en algunos casos mas f
acil de calcular.
9.2 M
etodos de estimaci
on
9.2.1 Estimaci
on de un par
ametro
Ahora pasamos a una situaci on m as general. Se tienen n observaciones X1 , . . . , Xn , que son
variables independientes con la misma distribuci on. Esto se llama una muestra de la dis-
tribucion, y se dice que las variables son iid (independientes identicamente distribuidas).
La distribuci on contiene un par ametro desconocido que pertenece a un conjunto . Sea
F (x, ) la funci
on de distribucion.
Si la distribuci
on es discreta, queda descripta por la funcion de frecuencia, que depende
de : P(Xi = x) = p(x, ) (i = 1, . . . , n) para x C, conjunto finito o numerable (que
puede depender de ). Si es continua, queda descripta por la densidad (com un a todas las
Xi ) f (x, ) = F (x, )/x. Un estimador puntual de es una funci on = (X1 , . . . , Xn )
con la que se desea aproximar a . Pasamos a definir en general los dos metodos de la
secci
on anterior.
M
etodo de m
axima verosimilitud
Se define la funci
on de verosimilitud como la funci
on de frecuencia o de densidad conjunta
de las observaciones:
n

L(x1 , . . . , xn ; ) = p(xi , ) para xi C (caso discreto)
i=1
n
= f (xi , ) (caso continuo). (9.1)
i=1
El EMV es el valor de (que depende de x1 , . . . , xn ) que maximiza L(x1 , . . . , xn ; ):

= (x1 , . . . , xn ).
108 PUNTUAL
M
etodo de los momentos
La esperanza EXi es una funci
on de (no depende de i):

EXi = x p(x, ) (caso discreto)
x

= xf (x, ) dx (caso continuo).

Sea m() = EX . El metodo de momentos (en su versi on m

as simple) consiste en plantear
una ecuaci
on, igualando la media te
orica m() con la media emprica X:
n
= 1
m() = X Xi . (9.2)
n i=1
La soluci
on, que depende de X1 , . . . , Xn , es el estimador de momentos. En el ejemplo 9.A
tenamos n = 1.
Ejemplo 9.B: Exponencial Se prueba un lote de n l amparas cuyos tiempos de duraci
on
Xi , i = 1 . . . , n se suponen variables independientes con distribuci
on Ex():
1 x/
f (x, ) = e I(x 0).

Para el EMV de , la funci on de verosimilitud es:
n

1 1
L(x1 , . . . , xn ; ) = n exp xi I(x1 0, . . . , xn 0).
i=1
Haciendo L/ = 0 queda (x1 , . . . , xn ) = x

, o sea = X.
otra
Para el estimador de momentos: EXi = = m(). Por lo tanto se obtiene = X
vez.
Un estimador de momentos, en forma m as general, se puede definir igualando las medias
teorica y emprica, no de las Xi sino de una alguna funcion g de las mismas; o sea, de la
ecuacion
n
1
E g(X) = g(Xi ). (9.3)
n i=1
Si bien lo habitual es tomar g(x) = x, hay casos en que esa elecci
on no sirve, y es mejor
tomar, por ejemplo, g de la forma g(x) = xk , como se ver
a a continuaci
on.
Ejemplo 9.C: Varianza de la normal Si Xi N(0, 2 ) y se desea estimar la varianza
= 2 aplicando (9.2), resulta EXi = 0, y por lo tanto la ecuaci
on no da nada. Una
alternativa es aplicar (9.2) a las Xi2 , que da la ecuaci
on
n
1 2
EXi2 = = X ,
n i=1 i

9.2. METODOS
DE ESTIMACION 109
resultado razonable.
Las distintas elecciones de g no tienen por que dar como resultado el mismo estimador
(ejercicio 9.9).
En la mayora de las situaciones, el conjunto C =
{x : f (x, ) > 0} o C = {x : p(x, ) > 0} no depende de . Por ejemplo, para la nor-
mal es C = R, y para Ex() es C = R+ > 0. Esto se llama el caso regular. En estos
casos, como las sumas suelen ser m as tratables que los productos, una forma conveniente
de obtener el EMV es maximizar el logaritmo de L, lo que es equivalente a maximizar L
por ser el logaritmo una funcion creciente. Derivando, queda la ecuacion
n

(x, ) = 0, (9.4)
i=1
donde (x, ) = log f (x, )/ o log p(x, )/.
Ejemplo 9.D: Media de la normal Si Xi N(, 2 ) y se busca el EMV de , se

verifica enseguida que (x, ) = (x )/2 ; y por lo tanto (9.4) da = X.
Ejemplo 9.E: Estimaci on en el proceso de Poisson Para estimar la intensidad c de un
proceso de Poisson, hay dos formas de observarlo. La primera es hacerlo hasta un instante
t prefijado, y registrar la cantidad N de sucesos, que es Po(ct); o sea que tenemos una
muestra de tama no 1 de la Poisson. Tomando logaritmo y derivando, se deduce enseguida
que el EMV de c es ct = N/t.
La segunda forma es fijar un n, y observar el proceso hasta el instante T en que se
produce el n-esimo suceso; la densidad de T es de la forma (3.13). Es inmediato que
(t, c) = n/c t, y por lo tanto el EMV es cn = n/T . De modo que si por ejemplo
se registran 20 sucesos en 10 segundos, el estimador de c es 20/10 sin importar de cu al de
las dos formas se realiz
o la medici
on. Sin embargo, las propiedades estadsticas de ambos
estimadores no son las mismas (ejercicio 9.16).
Si el caso no es regular, puede ser necesario analizar el m
aximo directamente, como en
el ejemplo que sigue.
Ejemplo 9.F: Uniforme Si Xi Un(0, ), es f(x, ) = (1/) I(0 x ), y el

conjunto donde f > 0 es [0, ], por lo que no estamos en el caso regular. La funci on de
verosimilitud es

1 1
L(x1 , . . . , xn ; ) = n I (0 xi ) = n I(0 mni xi m
axi xi ).
i

Si < m axi xi es L = 0, de modo que all no puede estar el maximo. Para > m axi xi es
L = n , que es decreciente, y por lo tanto el m aximo se encuentra en = m
axi xi . Se ha
deducido entonces que el EMV es = m axi Xi .
110 PUNTUAL
9.2.2 Transformaciones
Transformaciones del par
ametro
Parecera razonable que si el EMV de un par ametro es , el EMV de 3 deba ser ( )3 .

Para verificarlo, recordemos que el EMV maximiza L(x1 , . . . , xn ; ). Si expresamos todo
en funcion de = 3 , resulta que tenemos que maximizar L(x1 , . . . , xn ; 1/3 ), para lo cual
debe ser 1/3 = , y por lo tanto = 3 . Lo mismo vale reemplazando el cubo por
cualquier funcion inyectiva del parametro. El lector puede probar que la misma propiedad
vale para el estimador de momentos (ejercicio 9.7).
Transformaciones de las observaciones

Comenzamos con un ejemplo. Supongamos las Xi lognormales, con par ametros y ,
esta u
ltima conocida. El lector ya habr a calculado la densidad de las Xi en el ejercicio 3.9:
x((ln x )/). Para calcular el EMV de , el mismo proceso que el del Ejemplo 9.D
da que este es el promedio de ln Xi . Si en vez de las Xi observ
aramos Yi = ln Xi , dado que
estas son N(, 2 ), es inmediato que el EMV basado en las Yi es el promedio Y de estas,
que coincide con .
En general, si en vez de las Xi observamos Yi = h(Xi ) donde h es una funci on inyectiva,
el EMV no se altera, en el sentido de que si y son los EMV basados en la distribuci on
de las Xi y en la de las Yi , entonces
1 , . . . , yn ) con yi = h(xi ).
(x1 , . . . , xn ) = (y (9.5)
La demostraci on queda a cargo del lector (ejercicio 9.8).

En cambio no sucede lo mismo para el estimador de momentos, como verificar
a el lector
en el ejercicio 9.9.
9.2.3 Evaluaci
on de estimadores
El emc se puede descomponer como
emc = E{( E ) + (E )}2 = var( ) + b( )2 ,
donde b( ) = E es el llamado sesgo del estimador. De modo que el primer termino

describe la variabilidad del estimador, y el segundo el error sistem atico. O sea, E

describe alrededor de que valor fluct ua , y var( ) mide cu anto fluctua. En general,
var( ) y b( ) dependen de . Si b 0 se dice que el estimador es insesgado.
Como ilustraci on, sean las Xi una muestra de una distribucion con media y varianza
2 . Evaluaremos la media y la varianza muestrales, X y VX , como estimadores de y 2 ,
respectivamente. Como EX = , X es un estimador insesgado de . En cuanto a VX ,
teniendo en cuenta que por (4.22) es
2 = 2
EXi2 = 2 + 2 y EX + 2 ,
n

9.2. METODOS
DE ESTIMACION 111
se obtiene
2 1
E VX = 1 . (9.6)
n
De aqu se deduce que un estimador insesgado de 2 se puede obtener como
n
2 n 1 2.
S = VX = (Xi X) (9.7)
n1 n 1 i=1
Lamentablemente, esto no implica que S sea un estimador insesgado de (ejercicio 9.12).

p
Se dice que es un estimador consistente del par
ametro si cuando el tamano
de muestra n . Esta es una propiedad deseable, porque significa que se puede estimar
al par
ametro con tanta precisi
on como se quiera, si se toman suficientes observaciones. Por
la desigualdad de Markov (4.11)
emc
P(| | > <) ,
<2
y por lo tanto, para que sea consistente basta que su emc 0 para n , lo que
equivale a que su sesgo y su varianza tiendan a 0.
Un problema importante es hallar para cada situacion estimadores que sean
optimos
en alg
un sentido; por ejemplo, que tengan mnimo emc. Pero este objetivo supera el nivel
de este curso; ver [2]. Se puede mostrar que los EMV mostrados en este Captulo son
optimos bajo ciertas condiciones.
9.2.4 Estimaci
on de varios par
ametros
Consideremos una distribuci on que depende de dos par ametros: 1 y 2 . El EMV se define
igual que antes. Ahora la funcion de verosimilitud es L = L(x1 , . . . , xn ; 1 , 2 ), y los
estimadores son el par (1 , 2 ) (que depende de x1 , . . . , xn ) que maximiza L.
Para el estimador de momentos, sean
m1 (1 , 2 ) = EXi , m2 (1 , 2 ) = EXi2 . (9.8)
Entonces los estimadores de momentos 1 , 2 son la soluci

on del sistema de ecuaciones:
n
1 2
m1 (1 , 2 ) = X, m2 (1 , 2 ) = Xi . (9.9)
n
i=1
N
otese que es equivalente usar en la segunda ecuaci on la varianza, en vez del segundo
momento. Es decir, si v(1 , 2 ) es la varianza de Xi :
v(1 , 2 ) = m2 (1 , 2 ) m1 (1 , 2 )2 ,
y VX es la varianza muestral de las Xi , entonces el sistema

m1 (1 , 2 ) = X, v(1 , 2 ) = VX
112 PUNTUAL
es equivalente a (9.9).
En la siguiente Secciion se ver
a un ejemplo importante de estimaci
on de dos par
ametros.
En las situaciones anteriores tanto el EMV como el de momentos se han obtenido en
forma explcita. Pero no tiene por que suceder esto en general (ejercicio 9.5.b).
9.3 El modelo de medici

on con error
Se realizan n mediciones Xi (i = 1, . . . , n) de una magnitud fsica cuyo valor verdadero
desconocido es . Debido al error de medici on, se considera a las Xi como variables
aleatorias. Si se supone que las mediciones se hacen todas en las mismas condiciones, y
que no se influyen, se puede postular que son iid. Si adem as se considera que no hay
error sistematico, se puede postular que D(Xi ) es simetrica respecto de . A falta de m as
informacion, esto es todo lo que se puede suponer sobre D(Xi ).
Una suposici on muy usada es que las Xi son N(, 2 ), donde mide la dispersi on del
error. Aqu es 1 = , 2 = , ambos desconocidos. La funci on de verosimilitud es
n

1 1 2
L(x1 , . . . , xn ; , ) = exp 2 (xi ) .
(2)n/2 n 2 i=1
Como estamos en el caso regular por ser f > 0, derivamos log L respecto de los par
ametros,
lo que da las ecuaciones
n
n

2
(xi ) = 0, n = (xi )2 .
i=1 i=1
Por lo tanto, los EMV son la media y la desviaci

on muestrales:
n
1/2
1 2
= X, = (Xi X) . (9.10)
n i=1
Para el metodo de momentos, dado que
EXi = m1 (, ) = y var(Xi ) = v(, ) = 2 ,
los estimadores coinciden con los EMV.

En realidad, el motivo mas importante para usar la normal como modelo para errores de
observacion, es que bajo dicha suposici on los estimadores buenos de posicion y dispersi
on
son los de (9.10), que son los m as f
aciles de calcular. En 1820 Gauss prob o que si para
una familia de distribuciones, el EMV de posici entonces esa familia es la normal.
on es X,
Pero esto fue con el tiempo tomado como una demostraci on de que los errores de medicion
tenan que ser normales, cosa que difcilmente estuviera en la intenci on de Gauss, y que
se constituyo durante un siglo y medio en una especie de superstici on cientfica. Deca
un estadstico que los cientficos experimentales creen en la distribucion normal porque
CON ERROR
9.3. EL MODELO DE MEDICION 113
suponen que est a demostrada matem aticamente, y los matem aticos creen en ella porque
suponen que es un hecho emprico. Pero en verdad se trata de una cuesti on de necesidad.
Al generalizarse el uso de la computadora, se hace posible concebir estimadores que no
sean calculables a mano, y esto ha permitido aceptar otros modelos m as generales como
distribuciones de los datos. Sobre esta actitud muy frecuente en la Estadstica, de adaptar
las hip
otesis a las posibilidades de c
alculo, vease la Secci
on 9.3.3.
9.3.1 Varianzas distintas

En algunos casos se sabe que las mediciones no tienen igual precisi on. Esto se puede
on de que Xi N(, i2 ) donde las i son posiblemente distintas.
representar con la suposici
Para ver las consecuencias de esto, consideremos el caso m as sencillo, en el que todas las
i son conocidas. La funcion de verosimilitud es
n
n

1
n/2 2
L = (2) wi exp wi (xi ) ,
2 i=1
i=1
donde wi = 1/ 2 . De aqu se deduce que para obtener el EMV de hay que minimizar
n 2
i=1 wi (xi ) , y derivando resulta
n
wi xi
= i=1
n . (9.11)
i=1 wi
Esto se llama promedio ponderado (o pesado) de las xi , con pesos wi , donde las obser-
vaciones con mayor precisi on (o sea, menor varianza) reciben mayor peso. Las ventajas de
esto sobre un promedio simple se pueden apreciar en el ejercicio 9.13.
El lector puede verificar que el mismo resultado se obtiene si las varianzas son conocidas
a menos de una constante de proporcionalidad: i2 = ki , con k1 , . . . , kn conocidas y
desconocida.
9.3.2 Estimaci
on robusta
Si F fuera exactamente normal, X sera el estimador conveniente. Pero si F es s olo a-
proximadamente normal, el comportamiento de X puede ser desastroso. Una indicaci on
de este hecho se puede ver teniendo en cuenta que, si una sola observaci on tiene un error
grande, la media puede dar cualquier disparate (ejercicio 9.10). La incertidumbre en la
especificaci
on de F hace que sea m as conveniente usar metodos que funcionen bien a un
cuando el modelo no sea conocido exactamente; en particular, cuando hay algunos datos
atpicos. Estos son los llamados metodos robustos.
Un metodo robusto sencillo es la media podada: sean X(1) . . . X(n) las observaciones
ordenadas, y sea 0 < 1/2. Entonces se define la media -podada como
nm

= 1
X X(i) , (9.12)
n 2m i=m+1
114 PUNTUAL
donde m = [n]; o sea, se toma la media descartando las mayores y menores m observa-
ciones. Una buena elecci on es = 0.25. El caso lmite = 0.5 es la mediana.
En el Ejemplo 8.C, la media muestral es 21.8 y la media podada es X 0.25 = 25.7; la
diferencia se debe a que esta no toma en cuenta a las dos observaciones menores, que
sobresalan en la Figura 8.3.
9.3.3 Sobre los motivos del uso de la distribuci

on normal
El Mul a Nasruddin es un personaje protagonista de numerosos y antiqusimos cuentos
en el Cercano Oriente. Si bien la siguiente historia [18] es anterior en varios siglos al
surgimiento de la Estadstica, es una buena ilustraci
on de la forma de pensar frecuente en
esta, consistente en adaptar los modelos a lo que uno puede analizar.
Alguien vio a Nasruddin buscando algo por el suelo.

Que has perdido, Mul a? le pregunto.
Mi llave contest o.
As es que ambos se arrodillaron para seguir buscando.
Despues de un rato el otro hombre pregunt o:
Donde se te cay o exactamente?.
En mi casa dijo.
Entonces por que la buscas aqu?.
Hay m as luz aqu que dentro de mi casa.
9.4 Ejercicios
9.1 Hallar los estimadores de MV y de momentos para muestras de las siguientes dis-
tribuciones: (a) Po(), (b) Ex(), (c) N(0, ).
9.2 En los casos anteriores, calcular sesgo y varianza de los estimadores [para (c) usar el
ejercicio 4.5].
9.3 En la situaci
on del Ejemplo 9.F:
a. Calcular el estimador de momentos

b. Comparar los emc del estimador de MV y del de momentos
c. Por que constante hay que multiplicar al EMV para minimizar su emc?.
9.4 Hallar los estimadores de MV y de momentos de y para la densidad doble expo-

nencial f (x) = (1/2) exp(|x |/) (x R). [usar 4.40].
9.5 a. Hallar los estimadores de momentos para los par
ametros de las distribuciones:
(i) Gama, (ii) binomial negativa.
b. Es posible obtener una expresi
on explcita para los EMV en estos dos casos?.
9.4. EJERCICIOS 115
9.6 La distribuci
on de Pareto muy usada en Economa tiene densidad f(x) =
(x/)(+1) (/) I(x ), con y positivos.
a. Hallar los estimadores de MV y de momentos de y .
b. Dado que P(Xi ) = 1, los estimadores debieran cumplir Xi i.
Cumplen esto el EMV y el de momentos?.
9.7 Sean h una inyeccion de R, = h(), y los estimadores de m
axima
verosimilitud y de momentos de . Probar que los estimadores de MV y de mo-

mentos de son respectivamente h( ) y h().
9.8 Probar (9.5) para los casos discreto y continuo, suponiendo en este u
ltimo que h es
diferenciable.
9.9 on Y , siendo Y = X 2 , donde X Bi(n, p) con n conocido
a. Se tiene una observaci
y p desconocido. Calcule el EMV de p basado en Y , y comp arelo con el basado
en X.
b. Haga lo mismo para el estimador de momentos.
9.10 y S para la muestra: 1, 2, . . . , 10.
a. Calcule X
b. Supongamos que por un error de tipeo, el 10 es trascripto como 100. Como
y S?.
se modifican X
c. Haga lo mismo para la media podada X 0.25 .
9.11 Verificar la consistencia de los estimadores de: (a) ejercicio 9.1 (b) Ejemplo 9.F.
no 2 de N(, 2 )
9.12 Calcular el sesgo de S como estimador de para muestras de tama
olo de X1 X2 ].
[aprovechar que aqu S depende s
9.13 Se tienen tres observaciones normales con la misma media y desviaciones 1, 3 y 5.
Calcular la varianza del EMV de , y compararla con la del promedio simple X.
9.14 Mostrar: si X Bi(n, p) con n conocido, entonces p = X/n es un estimador

insesgado de p, pero (p )2 no es un estimador insesgado de p2 .
9.15 Si 1 y 2 son estimadores insesgados del par ametro , con varianzas v1 y v2 : hallar
entre las combinaciones lineales de 1 y 2 el estimador insesgado de mnima varianza.
9.16 De los dos estimadores del Ejemplo 9.E, mostrar (con auxilio del ejercicio 4.8):
a. que el primero es insesgado pero el segundo no
b. que ambos estimadores son consistentes: lmt ct = lmn cn = c en proba-
bilidad.
116 PUNTUAL
Captulo 10
Intervalos de Confianza
10.1 Introducci
on
En el Ejemplo 9.A, una pregunta razonable sera: entre que valores se puede acotar el
numero M de latas defectuosas en el lote, usando la informaci on dada por X, el n umero
de defectuosas en la muestra?. En particular se puede aseverar que M es menor que
determinado valor?. Obviamente, no se puede tener una respuesta determinista, pues la
u
nica afirmacion segura es que 0 M N , que no resulta muy pr actica. Por lo tanto, si
buscamos un intervalo para M cuyos extremos dependen de X que es aleatoria s olo
podemos aspirar a que contenga a M con una probabilidad de por ejemplo 0.95. Este es
el concepto de un intervalo de confianza: un intervalo que depende de las observaciones, que
contiene al valor verdadero (desconicido) del par ametro con una probabilidad dada. Para
formalizar esta idea, consideramos en general la situaci
on de una muestra X = (X1 , . . . , Xn )
cuya distribucion depende del parametro . Indicamos con P las probabilidades cuando
el valor verdadero del parametro es .
Definici
on 10.1 Un intervalo de confianza (IC) de nivel es un intervalo que depende de
X: I = I(X), tal que
P ( I(X)) = . (10.1)
Una cota superior (resp. inferior) de confianza para , de nivel , es una variable () (X)
(resp. () (X)) tal que P ( () ) = (resp. P (() ) = ).
Como veremos luego, en el caso discreto no siempre se puede obtener igualdad en (10.1).
Por este motivo se define m as generalmente un intervalo de nivel mediante la condici
on:
P ( I(X)) . Al mn P ( I(X)) se lo llama nivel de confianza.
Un intervalo se llama unilateral o bilateral seg
un que uno o los dos extremos dependan
de X. Los intervalos unilaterales son entonces de la forma (, () ] o [() , ). Un
intervalo bilateral se obtiene a partir de una cota superior y una inferior. En efecto, sea
117
118 CAPTULO 10. INTERVALOS DE CONFIANZA
I = [(11 ) , (12 ) ]. Entonces
P ( I) = 1 P ( < (11 ) ) P ( > (12 ) ) = 1 (1 + 2 );
y si se quiere que esto sea igual a hay que tomar 1 + 2 = donde = 1 . Desde
ahora se tomar a siempre
1 = 2 = /2. (10.2)
La conveniencia de esta elecci on se muestra en la Secci on 10.3. En adelante se omitir a el
subndice de P cuando cuando no sea indispensable.
Es importante tener claro el significado del IC. En la afirmaci on P( I(X)) = 0.90,
lo aleatorio dentro de la P no es , sino los extremos del intervalo. Esto parece obvio,
hasta que uno lo tiene que aplicar. En el Ejemplo 9.A, supongamos que el muestreo da
X = 2, y de all sale el intervalo de confianza de nivel 0.90: I = [4, 145]. Se puede entonces
afirmar que el n umero de latas defectuosas en el lote est a entre 4 y 145 con probabilidad
0.90?. En verdad, el M verdadero est a ya establecido; se lo podra determinar exactamente
si se decidiera examinar todo el lote, de modo que no hay en el nada aleatorio. La manera
on 4 M 145 se obtuvo con un metodo
logica de interpretar el intervalo es: la afirmaci
que acierta 90 de cada 100 veces; aunque lamentablemente no sabemos si en esta acert oo
no.
En general, cualquier conjunto I que cumpla (10.1) aunque no sea un intervalo se
llama regi on de confianza.
Para ver las ideas principales para la obtenci on de IC, tomamos un ejemplo simple.
Sean las Xi N(, 1) iid. Para obtener un intervalo de nivel 0.90 para , recordemos que
el EMV de es X N(, 1/n), y por lo tanto n(X ) N(0, 1). Sea z tal que

P(z n(X ) z) = (z) (z) = 0.9.
Despejando de las desigualdades dentro de la probabilidad, se obtiene
P(X z X + z ) = 0.9,
n n

z/ n, X + z/n] (abreviado X z/n ),
y por lo tanto el intervalo es I(X) = [X
donde z sale de 0.9 = (z) (z) = 2(z) 1, o sea z = 1 (0.95) = 1.645.
Aqu se pueden apreciar los pasos para la obtencion del intervalo: (1) disponer de un
estimador del parametro, (2) obtener su distribuci
on, (3) realizar una transformaci on del
estimador para llevarlo a una distribuci
on que no dependa del par ametro, (4) poner cotas
para este estimador transformado, y despejar el par
ametro de all. Para no repetir el mismo
mecanismo en todos los casos, desarrollaremos esta idea en general.
10.2 El principio del pivote

Mostraremos un principio general para obtener intervalos de confianza de nivel para un
parametro . Un pivote es una funci
on T (X, ) cuya distribuci
on no depende de (ni de
10.2. EL PRINCIPIO DEL PIVOTE 119
ningun otro parametro desconocido, cuando hay varios par ametros). M as exactamente:
para cada t, P (T (X, ) t) no depende de . En el ejemplo anterior era T = X (o
cualquier funci
on de T ).
Sea G la funcion de distribuci
on de T (no depende de ). Dado z, sea z = z (X)
soluci
on de la ecuaci on T (X, z ) = z. Si T (X, ) es funci on decreciente de ,
T (X, ) z z . Por lo tanto P( z ) = 1 G(z), y en consecuencia eligiendo
z tal que 1 G(z) = se obtiene una cota superior: () = z . De la misma manera,
tomando z tal que G(z) = se obtiene una cota inferior. Si el pivote es funci on creciente
de , se reemplaza por 1 .
A continuacion veremos la aplicaci
on de este principio a las distribuciones m
as usuales.
Desde ahora se usar on = 1 .
a la notaci
10.2.1 Media de la normal con varianza conocida

Sean Xi N(, 2 ) con conocida. Como el estimador X N(, 2 /n) cumple

n(X )/ N(0, 1), el pivote obvio es T = n(X )/, que es decreciente en
1
. Desde ahora denotaremos z = (), el cuantil de N(0, 1). La ecuaci on T = z da

= X z/ n; tomando z = z = z (resp. z = z ) resulta la cota superior (resp.
inferior):
+ z z
() = X , =X .
n () n
De aqu sale el intervalo bilateral: X z1/2 /n cuya longitud es funci on creciente de
y decreciente de n: intuitivamente, la precisi on en la determinacion del par
ametro debe
aumentar con la cantidad de datos y disminuir con la mayor variabilidad.
Es importante tener claro si lo que uno necesita es un intervalo uni- o bilateral. En
efecto, una cota superior de nivel es de la forma +z1 / n, mientras que los extremos
X
de un intervalo bilateral son X z1/2 /n. Como z1/2 > z1 , usar un intervalo
bilateral cuando se necesita uno unilateral, implica un desperdicio de precisi on.
10.2.2 Varianza de la normal con media conocida

Otro ejemplo: las Xi son N(, 2 ) con conocida y desconocida,
n y se buscan intervalos
2 2
de confianza para la varianza
n = . El EMV es = i=1 (Xi ) /n. Aqu un pivote
1 2
es obviamente / = n i=1 ((Xi )/) , cuya distribuci on no depende de pues
(Xi )/ N(0, 1). Para obtener los intervalos hace falta la distribucion del pivote.
Definici on 10.2 Se llama distribucion chi-cuadrado con m grados de libertad (abreviada

on de m
2m ) a la distribuci i=1 iY 2
, donde las Yi son N(0, 1) independientes.
on es un caso particular de la Gama: en el ejercicio 3.12 se vio que 21 =

Esta distribuci
Ga(2, 1/2), y como la suma de variables Gama iid es tambien Gama (secci on 5.1.1), se
tiene
2m = Ga(2, m/2). (10.3)
Al cuantil de 2m se lo escribir
a 2m, . Los cuantiles mas usados se hallan en la Tabla
A.3 al final del libro.
Ponemos entonces U = ni=1 (Xi )2 = n , siendo D(U/) = 2n . Ser a mas c
omodo

usar como pivote a T = U/. Este es decreciente en ; y la ecuacion T = z da simplemente
= U/z. Por lo tanto las cotas son
U U
() = , () = .
2m, 2m,
Obviamente las cotas para se deducen como races cuadradas de las anteriores.
on es que si U 2m y V 2n son inde-
Una propiedad importante de esta distribuci
pendientes, entonces
U + V 2m+n . (10.4)
La demostraci
on es muy sencilla (ejercicio 10.7).
10.2.3 Intervalos para la exponencial

Si Xi Ex(), el EMV es = X = U/n donde U = n Xi (como habr a deducido el
i=1
lector en el ejercicio 9.1). Un pivote natural es T = U/, pues Xi / Ex(1).
Para obtener la distribucion de T basta tener en cuenta que Ex(1) = Ga(1, 1) y por lo
tanto T Ga(1, n), lo que implica 2T Ga(2, n) = 22n . De aqu salen las cotas como en
la secci
on anterior:
2U 2U
() = 2 , () = 2 .
2n, 2n,
Ejemplo 10.A: L amparas Si los datos del ejercicio 8.5 se suponen Ex(), el EMV da
= 1425, con U = 21375. Para calcular una cota inferior de nivel 0.95, obtenemos de la
tabla A.3: 230,0.95 = 43.77, y de aqu la cota 976.7.
10.3 Intervalos para la normal con y desconocidas

Ahora se trata de hallar intervalos para los par ametros de N(, 2 ), suponiendo ambos
2
desconocidos.
n Comenzamos por = que es m acil. Aqu el EMV es = U/n donde
as f
U = i=1 (Xi X) . Tomamos como pivote a U/. Su distribuci
2
on no va a coincidir con
la del caso de conocido, porque en aquella figuraban Xi , y en esta figuran Xi X; de
modo que los n sumandos Xi X no son independientes, pues suman 0. Pero el resultado
que sigue muestra que la diferencia no es grande.
on de U/2 es 2n1 .
Teorema 10.3 La distribuci
La demostraci
on se omite. Se puede hacer a nivel elemental pero dara trabajo.
Esto da una idea del por que de la expresi on grados
de libertad. Las n variables
Yi = Xi X on ni=1 Yi = 0. Luego, el n
(i = 1, . . . , n) cumplen la restricci umero de
10.3. INTERVALOS PARA LA NORMAL CON Y DESCONOCIDAS 121
grados de libertad que les corresponde es el n umero n de sumandos menos el n umero de

restricciones que cumplen, que es 1. M as adelante veremos otros ejemplos similares.
Entonces, los intervalos para se obtienen igual que con conocido, pero los cuantiles
son los de 2n1 . Eso da intervalos algo m as largos que para conocida (ejercicio 10.2).
Esa menor precisi on es la consecuencia de nuestra ignorancia de .
Ejemplo 10.B: Duraci on de pilas (cont.) Si la duracion de las pilas del Ejemplo 8.A
se supone N(, 2 ): para obtener un intervalo de confianza bilateral de nivel 0.95 para
se calculan X = 237 y U = 2163. Como 2 2
17,.025 = 7.564 y 17,.975 = 30.19, los extremos
del intervalo son 8.47 y 16.9.
Ahora tratamos los intervalos de confianza para . El EMV de sigue siendo X
)/(/n) N(0, 1); pero el inconveniente es
N(, 2 /n). Un pivote podra ser T = (X
que es desconocida. La idea salvadora es reemplazar a por un estimador. Se usar a el
estimador insesgado S 2 de 2 como en (9.7). Se define entonces el pivote

X
T= . (10.5)
S/ n
Este es el llamado estadstico de Student (un estadstico es cualquier funci
on de
los datos y de los par
ametros). La distribuci
on de T no depende de ni de . Para verlo,
sean Yi = (Xi )/ que son N(0, 1) iid. Entonces,
Y
T = n ;
{ i=1 (Yi Y )2 /(n 1)}1/2
y por lo tanto T depende s olo de las Yi , cuya distribuci
on no depende de los par
ametros.
Necesitamos la distribuci
on de T . Obviamente, no va a ser N(0, 1). Para tratarla, hacen
falta algunas ideas previas.
y S son independientes.
Teorema 10.4 X
La demostraci
on se omite.
Definici
on 10.5 Sean Y y Z independientes, con Y N(0, 1) y Z 2m . Sea T =
Y/ Z/m. Entonces D(T ) se llama distribucion t de Student con m grados de libertad, y
se la abrevia tm .
Al cuantil de tm se lo escribir
a tm, . Es f
acil deducir que la tm es simetrica respecto
de 0, y esto implica que tm, = tm,1 . Los cuantiles m as usados se hallan en la Tabla
A.4. Se puede probar que la densidad de tm es
(m+1)/2
((m + 1)/2) t2
f (t) = 1+ (10.6)
m (m/2) m
(ejercicio 10.9); y por lo tanto tiene forma de campana como la normal, pero tiende a 0
mas lentamente.
Los intervalos de confianza para se deducen entonces con el mismo razonamiento que
se uso para conocida. La cotasuperior resulta X + tm, S/n, y el intervalo bilateral de
nivel resulta X tm,1/2 S/ n.
Cuando m , la Ley de Grandes N umeros implica que el denominador de T en
la Definicion 10.5 tiende a 1 en probabilidad, y por lo tanto tm tiende a N(0, 1) por el
Lema de Slutsky. Esto coincide con la idea intuitiva de que cuando n es grande, hay poca
diferencia entre conocida y desconocida. Por este motivo, en la tabla A.4, los valores
para n = coinciden con los de N(0, 1).
En general se puede probar que tm, > z para todo m y , y el lector lo puede
comprobar en el ejercicio 10.2; es decir, que los intervalos de confianza para desconocida
son m as largos que cuando es conocida; ese es el castigo por nuestra ignorancia de .
Para los datos del Ejemplo 8.A, tenemos S = 11.3; un intervalo bilateral de nivel 0.95
para se obtiene como 237 11.3 2.11/4.12 = [231.3, 242.6].
Student era el seud onimo del ingeniero irlandes W. Gosset. Su idea de definir el
estadstico de Student parece obvia una vez que se ha adquirido el concepto de pivote;
pero fue un merito importante en una epoca en que la teora estadstica actual estaba aun
naciendo.
*Justificaci
on de (10.2)
En general, podemos formar un intervalo bilateral de nivel 1 como I = [(11 ) , (12 ) ],
con 1 +2 = . C omo elegir 1 y 2 de forma que el intervalo sea en alg
un sentido, lo m
as
pequeno posible?. Consideremos primero el caso de los intervalos para lamedia de la normal
con varianza conocida. Aqu el intervalo es de la forma [X z11 / n, X z2 /n],
y resulta natural tratar de minimizar su longitud, que es proporcional a z11 z2 . Sean
b = z11 y a = z2 , que deben cumplir (b) (a) = 1 (1 + 2 ) = . Entonces el
problema equivale a minimizar b a con la condici on (b) (a) = . Es f acil probar
que debe ser a = b. Se lo puede hacer por el metodo de los multiplicadores de Lagrange.
Minimizar b a con la condicion (b) (a) = 0, es equivalente a minimizar la funci on
G(a, b, ) = (b a) + ((b) (a) ). Derivando G respecto de a y de b queda:
G/a = 1 (a) = 0, G/b = 1 + (b) = 0,
donde = es la densidad de N(0, 1). Como no puede ser = 0 (pues quedara

1=0), debe ser (a) = (b). Como no puede ser a = b, y (x) es una funci on par y
decreciente para x > 0, debe ser a = b. Poniendo = 1 , se obtiene por (3.21)
1 = (b) (b) = 2(b) 1, lo que implica (b) = 1 /2, y por lo tanto
b = 1 (1 /2).
La unica propiedad de la normal que se utiiz o, es que su densidad es par y decreciente
en x > 0, cosa que tambien se cumple para la distribuci on de Student por (10.6), y por lo
tanto el mismo resultado vale para intervalos con desconocida.
Si se trata de intervalos para la varianza de la normal, estos son de la forma [U/b, U/a]
con 2m (b)2m (a) = 1. Aqu resulta natural minimizar la proporci on entre los extremos

10.4. UN METODO ROBUSTO 123
del intervalo, o sea b/a. No hay como en el caso anterior una soluci on explcita, pero se
verifica numericamente que b = 2n,1/2 , a = 2n,/2 est
a pr
oxima al
optimo.
10.4 Un m
etodo robusto
Como se vio en el ejercicio 9.10, una sola observaci on atpica puede alterar gravemente a
X y S, y por lo tanto tambien a los intervalos obtenidos a partir de ellas. Las observaciones
atpicas suelen inflar a S, produciendo intervalos demasiado poco precisos. Esto se puede
evitar usando un pivote basado en un estimador robusto como la media podada (9.12). Se
prueba en [19] que si D(Xi ) es simetrica respecto de , X es aproximadamente normal
para n grande, con media y una varianza que se puede estimar con
nm

1
2
S =
m(X(m) X ) +2 2 2
(X(i) X ) + m(X(nm+1) X ) . (10.7)
(n m)2
i=m+1
De aqu se obtiene un pivote aproximado

X
N(0, 1), (10.8)
S
del que resultan intervalos aproximados de la forma X zS , con z obtenido de la normal.

Para los datos
del Ejemplo 8.C, es X = 21.8 y S = 17.6, y por lo tanto el estimador
es S/n = 3.94; mientras que la media podada es X
de (X) .25 = 25.7, y el estimador de
su desviaci
on es S.25 = 1.61, o sea que la longitud de los intervalos se reduce a menos de
la mitad. Los respectivos intervalos bilaterales de nivel 0.95 son [14.1,29,5] y [22.5,28.9].
Aqu se aprecia otra vez la influencia de las dos observaciones menores.
10.5 Intervalos aproximados para la binomial

Consideremos en general la situacion de varias observaciones independientes Xi Bi(ni , p),
i = 1, . . . , N con la misma p desconocida y los ni conocidos
(no necesariamente iguales).
Entonces el EMV es p = X/n con X = i Xi y n = i ni , por lo cual podemos reducir
la situaci on a la de una sola observaci on X Bi(n, p) con n conocido y p desconocido.
Se busca un intervalo de confianza para p. Hay un metodo exacto pero trabajoso, que no
trataremos aqu [2]. Podemos dar un metodo aproximado para n grande. Est a basado en
que la distribuci on de X, por el Teorema Central del Lmite, es aproximadamente normal.
Definimos
X np
T (X, p) = , (10.9)
np(1 p)
que es aproximadamente N(0, 1), y en consecuencia T es un pivote aproximado. Para
obtener intervalos de confianza aplicamos el procedimiento conocido. En primer lugar, el
lector puede comprobar que T (X, p) es funci
on decreciente de p (ejercicio 10.10). Dado z,
para obtener p de la ecuaci

on T (X, p) = z se elevan ambos miembros al cuadrado y queda
una ecuaci
on de segundo grado en p, cuya soluci on es como puede verificar el lector

1 c c
p= p + c + p (1 p ) , (10.10)
1+c 2 4
donde c = z 2 /n y p = X/n. De aqu se pueden obtener cotas superiores o inferiores

tomando respectivamente la raz positiva o la negativa.
Un metodo m as simple es reemplazar en la definici on de T , la varianza desconocida
p(1 p) que figura en el denominador, por su EMV p (1 p ); o sea,definir un nuevo
pivote aproximado:
X np
T = . (10.11)
np (1 p )
p
Como por la Ley de Grandes N umeros, p p cuando n , del Lema de Slutsky se
deduce que tambien la distribucion de T tiende a N(0, 1). La situaci on es ahora semejante
a la de la Secci
on 10.2.1. De aqu es f
acil despejar p, y resultan las cotas superior e inferior
de la forma
p (1 p )
p z . (10.12)
n
Si bien los intervalos obtenidos de (10.10) son m as complicados que los de (10.12),
tienen dos ventajas: (a) los primeros est an siempre contenidos en [0, 1], cosa que no sucede
necesariamente con los segundos, y (b) su nivel de confianza se aproxima m as al deseado.
En la subseccion que sigue se puede ver c omo mejorar estas aproximaciones.
Si X es hipergeometrica Hi(N, M, n) y se desea estimar M , hay tablas para obtener
intervalos exactos. Pero si N es grande, se puede aproximar por la binomial Bi(n, M/N )
y aplicar los metodos precedentes.
Mejoras a la aproximaci
on
Las anteriores aproximaciones se pueden mejorar considerablemente utilizando la correcci
on
por continuidad (7.2). Se muestra en [4] que mejor que (10.10) son las cotas superior p()
e inferior p() dadas por

() 1 c c
p (X) = p + + c + p+ (1 p+ ) (X < n) (10.13)
1+c + 2 4

1 c c
p() (X) = p + c + p (1 p ) (X > 0), (10.14)
1+c 2 4
donde
X + 0.5 X 0.5
p+ = , p = y c = z2 /n, (10.15)
n n
y por
p() (n) = 1, p() (0) = 0. (10.16)
10.6. INTERVALOS APROXIMADOS PARA LA POISSON 125
En cuanto a (10.12), su nivel de confianza real es bastante pobre, pero se lo puede

mejorar usando la correci
on por continuidad y una modificaci on de c (ver [4]). Las cotas
se definen ahora mediante (10.16) y

p() (X) = p+ + c p+ (1 p+ ) (X < n) (10.17)

p() (X) = p c p (1 p ) (X > 0), (10.18)

donde p+ y p son las de (10.15), y c = z / n z2 .
Cuando n 50 y X 15, todos estos metodos dan resultados aceptablemente pareci-
dos. Si no, se recomienda usar (10.13) y (10.14).
10.6 Intervalos aproximados para la Poisson

Si Xi Po() (i = 1, . . . , n), el EMV de es como ya habr
a probado el lector en el
ejercicio 9.1 = X/n, donde X = ni=1 Xi . Para obtener intervalos aproximados se
usa (7.3), definiendo
X n
T (X, ) = , (10.19)
n
que es aproximadamente N(0, 1), y por lo tanto un pivote aproximado. Se verifica f
acilmente
que T es decreciente en . La ecuaci on T (X, ) = z se resuelve elevando ambos miembros
al cuadrado y convirtiendola en una ecuaci on de segundo grado, con soluci
on

c2 c2
= + c + , (10.20)
2 4

donde c = z/ n. De aqu salen las cotas superior e inferior.
Un procedimiento m as simple se tiene reemplazando en (10.19) la varianza desconocida
en el denominador, por su EMV, definiendo entonces
X n
T (X, ) = , (10.21)
n
que es tambien aproximadamente N(0, 1) por el Lema de Slutsky. Este T es obviamente
decreciente en , y la ecuacion T (X, ) = z tiene como solucion = z /n, y por
lo tanto las cotas superior o inferior de nivel son

= c , (10.22)

con c = z / n. Si bien este procedimiento es m as simple que el anterior, su nivel de
confianza es menos aproximado; y adem as no garantiza que la cota inferior sea positiva.
Los resultados de ambos procedimientos son pr acticamente iguales para X 30.
Un metodo mas sencillo que (10.20) y m

as aproximado que (10.22) se puede ver en el
ejercicio 10.13.
Ejemplo 10.C: Estimaci on en el proceso de Poisson (cont.) En el Ejemplo 9.E, si
bien los estimadores coinciden, los intervalos de confianza no. En el primer caso se tiene una
muestra de tama no 1 de una Poisson con par ametro = ct, a la que se aplica lo expuesto
mas arriba. En el segundo, (3.14) implica que 2cT Ga(2, n) = 22n , y por lo tanto los
intervalos se obtienen como en la Secci on 10.2.3: c() = 22n, /2T , c() = 22n, /2T.
Sin embargo, los intervalos difieren poco cuando N y T son grandes (ejercicio 10.6).
Los mismos resultados se obtendran tomando como observaciones los tiempos Tj del
j-esimo suceso y recordando que Tj Tj1 son una muestra de Ex(1/c) (Secci on 5.A).
10.7 Comparaci
on de dos muestras
En numerosas situaciones experimentales se desea comparar dos muestras obtenidas bajo
condiciones diferentes, y determinar si hay entre ellas diferencias sistem aticas (o sea, no
debidas a la pura variabilidad), y en caso afirmativo, describir las diferencias. Lo veremos
con un caso concreto.
Ejemplo 10.D: Creatinina La creatinina es un elemento importante en el estudio
del funcionamiento de los ri nones. La Tabla 10.1 muestra los resultados de un estudio
realizado en el hospital de la ciudad de San Luis: para cada sujeto de una muestra de 22
hombres y 28 mujeres se dan los valores (cantidad de creatinina por unidad de volumen por
hora) obtenidos por dos metodos de an alisis: el usual (B) y uno m
as econ
omico (A), con
los objetivos de comparar ambos metodos, y determinar las diferencias entre los valores
de hombres y mujeres. Comenzaremos por el segundo problema, para el que damos a
continuacion un planteo general.
10.7.1 Dos muestras independientes

Se tienen dos muestras independientes: Xi (i = 1, . . . , n1 ) e Yi (i = 1, . . . , n2 ). Tanto las
Xi como las Yi son iid con distribuciones F1 y F2 , sobre las que en principio no se sabe
nada. Un planteo simplificado del problema es suponer que la diferencia si la hay
es aditiva, es decir que D(Yi ) = D(Xi + ), de manera que el par ametro desconocido
representa el corrimiento de las Y respecto de las X. Esta suposici on implica que
F2 (x) = F1 (x ) x, y si existen que E Yi = E Xi + .
Para facilitar el an
alisis se suele usar una segunda simplificaci
on: las F son normales con
medias 1 y 2 y la misma varianza. Entonces nuestro planteo queda: obtener intervalos
de confianza para = 2 1 , siendo Fj = N(j , 2 ) (j = 1, 2), donde 1 , 2 y son
desconocidos.
Para usar la metodologa habitual, calculamos los EMV de los par ametros. La densidad
conjunta es (poniendo n = n1 + n2 ):
L(x1 , . . . , xn1 , y1 , . . . , yn2 ; 1 , 2 , ) =
DE DOS MUESTRAS
10.7. COMPARACION 127
Tabla 10.1: Creatinina

Hombres Mujeres
No. A B No. A B No. A B No. A B
1 7.92 8.04 12 5.02 4.25 1 6.35 6.62 15 4.91 4.17
2 8.03 7.71 13 6.15 6.88 2 5.86 5.71 16 6.44 6.96
3 6.87 6.54 14 8.50 9.12 3 4.22 4.29 17 7.42 7.21
4 7.00 6.96 15 10.88 11.37 4 4.93 5.08 18 7.24 6.71
5 7.28 7.62 16 6.99 6.42 5 3.97 3.71 19 5.04 4.63
6 6.94 6.96 17 7.96 7.29 6 4.37 4.79 20 9.22 9.92
7 8.32 8.25 18 4.86 3.83 7 3.80 4.21 21 3.84 3.29
8 7.58 7.46 19 5.82 6.96 8 3.60 3.42 22 3.62 7.58
9 7.88 8.17 20 8.64 7.87 9 4.79 4.92 23 3.34 4.71
10 7.83 7.83 21 7.17 6.62 10 4.99 4.92 24 3.85 3.13
11 10.26 9.79 22 15.45 11.00 11 5.60 6.29 25 5.22 6.46
12 4.43 5.08 26 2.86 3.33
13 4.05 4.50 27 5.18 4.58
14 3.87 4.08 28 5.01 4.25
n n2

1 1 1
2 2
n exp 2 (xi 1 ) + (yi 2 ) .
2 n 2
i=1 i=1
De aqu se deducen f
acilmente los EMV:
U
1 = X, 2 = Y , 2 = , (10.23)
n
donde U = U1 + U2 , con
n1
n2

U1 = 2,
(Xi X) U2 = (Yi Y )2 . (10.24)
i=1 i=1
Por lo tanto, el EMV de es = Y X.

Como las Xi son independientes de las Yi , es
2 2
+ var(Y ) = + = n 2 ,
var( ) = var(X)
n1 n2 n1 n2
y por lo tanto N(, 2 n/(n1 n2 )). Igual que para el caso de una muestra, el pivote
on de) ( )/ . Para ver exactamente cu
mas obvio es (cualquier funci al es la mejor
forma para el pivote, notemos dos resultados:
a) De acuerdo con el Teorema 10.3 son U1 /2 2n1 1 y U2 /2 2n2 1 . Por lo tanto,
(10.4) implica que (U1 + U2 )/2 2n2 , y en consecuencia un estimador insesgado de la
varianza 2 puede obtenerse definiendo
U
S2 = .
n2
b) Notemos que U1 es obviamente independiente de Y , y es independiente de X por

el Teorema 10.4. An alogamente, U2 es independiente de
X y de Y . Por lo tanto, S es
on 3.11). En consecuencia, n1 n2 /n ( )/ N(0, 1),
independiente de (Proposici
y es independiente de U/2 que es 2n2 . Por lo tanto el pivote natural es

n1 n2
T = tn2 . (10.25)
n S
El metodo para obtener de aqu los intervalos de confianza es igual que para el caso de una
muestra.
Aqu se ve nuevamente el sentido de grados de libertad: la U de (10.23) tiene n
sumandos, pero estos cumplen dos restricciones, pues i=1
n1 = n2 (Yi Y ) = 0,
(Xi X) i=1
umero de grados de libertad es n 2.
y por lo tanto el n
Ejemplo 10.D (cont.) Analizamos la diferencia entre los resultados del metodo B
para hombres y mujeres. Se busca un intervalo de confianza para la diferencia de medias
suponiendo normalidad. Las medias correspondientes a hombres y mujeres para B son
respectivamente 7.59 y 5.16, y por lo tanto = 2.43; y las respectivas S son 1.76 y
1.56, lo bastante parecidas como para que se pueda aceptar la suposici on de igualdad de
varianzas. El estimador de la com un da S = 1.65. El n umero de grados de libertad es
22+28-2=48. El intervalo de nivel 0.95 para es entonces 2.43 0.47.
10.7.2 Varianzas distintas

Si las varianzas 12 y 22 de las X y de las Y son distintas, el comportamiento de estos inter-
valos puede ser poco confiable, especialmente si n1 y n2 difieren mucho; pues el verdadero
nivel de confianza puede ser bastante menor al que uno desea, o bien puede ser mayor, pero
con intervalos demasiado largos. La magnitud de este efecto es peque na si n1 n2 , pero
puede ser importante si difieren mucho. Una soluci on para este problema es el llamado
metodo de Welch [1]. Se basa en que = (X Y ) N(, v) con
Y ) = 12 2
v = var(X + 2.
n1 n2
Como v no se conoce, se la estima en forma insesgada mediante
S12 S22
v = + ,
n1 n2
con Sj2 = Uj /(nj 1), j = 1, 2, con Uj definido en (10.24). Entonces

T=
v
es un pivote aproximado. Su distribuci on no es exactamente una t, pero se la puede
aproximar con una tk con grados de libertad
(v )2
k= .
S14 /(n31 n21 ) + S24 /(n32 n22 )
DE DOS MUESTRAS
Este k no ser
a en general un numero entero. lo que no es problema si se dispone de
una computadora; pero si se trabaja con una tabla habr
a que interpolar o tomar el entero
mas pr
oximo.
Ejemplo 10.E: Peso at omico del carbon Los siguientes datos son 10 determinaciones
del peso at
omico del carb
on obtenidas por un metodo, y 5 obtenidas por otro; los llamare-
mos 1 y 2. Para simplificar, se ha restado 12 de los valores originales y se ha multiplicado
por 1000 (de modo que el primer valor, por ejemplo, es en realidad 12.0129).
1 : 12.9 7.2 6.4 5.4 1.6 14.7 5.1 1.5 7.7 6.1
2 : 31.8 24.6 6.9 0.6 7.5
Las respectivas medias son 2.6 y 14.3, con diferencia -11.7; y las desviaciones son 7.92
y 13.2, que hacen sospechar que las varianzas verdaderas son distintas. La aplicaci on del
metodo de Welch da v = 41.3 y k = 5.48. Para un intervalo bilateral de nivel 0.90
se necesita t5.48,.95 , que interpolando se aproxima por 1.98; el intervalo resulta entonces
11.7 12.7. El metodo basado en igualdad de varianzas da S = 9.87 con 13 grados de
libertad, y el correspondiente intervalo es 11.7 9.57, algo mas angosto.
10.7.3 Muestras apareadas

Ahora consideramos en el Ejemplo 10.D las diferencias entre los metodos A y B. En la
tabla 10.1 se tienen para cada individuo mediciones de la misma magnitud, realizadas por
dos metodos distintos. Si se desea obtener intervalos para la diferencia de las respectivas
medias, hay que tener en cuenta que ahora las dos mediciones son realizadas en el mismo
individuo, y por lo tanto no se las puede tratar como muestras independientes, como era el
caso de comparar hombres con mujeres. Esto se llama un modelo de muestras apareadas.
Sean Xi , Yi los resultados de los metodos A y B en el individuo i. Un planteo simplifi-
cado es suponer que el efecto de la diferencia de metodos es aditivo: Zi = Yi Xi tienen la
misma distribuci on F para todo i, y por lo tanto = E Zi representa el efecto medio de
la diferencia de metodos. Observe que no hace falta que las Xi ni las Yi sean identicamente
distribuidas.
Un planteo simplificado es que F = N(, 2 ). Los intervalos de confianza para se
obtienen a partir de las Zi con la metodologa ya conocida.
Ejemplo 10.D (cont.) Para comparar la diferencia entre A y B en hombres, el lector
puede verificar que las diferencias tienen media -0.291 y S = 1.08, con 21 grados de libertad;
el intervalo bilateral de nivel 0.90 es 0.291 1.721 1.08/4.58.
Advertencias
Note que tanto para muestras apareadas como independientes, el estimador de es el
mismo: = Y X, pero el estimador de su desviaci on es totalmente distinto. Sera
un error lamentable tratar un modelo de muestras apareadas como si fuera de muestras
independientes, pues estaramos desperdiciando la informaci
on dada por el apareamiento.
La consecuencia m as usual es la de que los intervalos resultaran demasiado grandes, pues

las diferencias para cada individuo pueden ser peque nas comparadas con las dispersiones
de las X y las Y (ver al final del Ejemplo 11.B).
Si se tienen dos muestras independientes con n1 = n2 , una barbaridad inversa sera
tratarlas como apareadas. Aqu el nivel de confianza sera correcto, pero los intervalos
resultaran demasiado grandes, pues se estara trabajando como si hubiera solo n/2 obser-
vaciones en vez de n (Ejercicio 10.16).
10.8 Intervalos de tolerancia

Se tienen observaciones Xi (i = 1, . . . , n) con distribuci
on F , y se desea un intervalo [a, b]
tal que si X0 es otra observacion con distribuci on F , independiente de las Xi , sea P(X0
[a, b]) = 1 dado. Esto es un intervalo de tolerancia o de predicci on. El problema es
trivial si F es exactamente conocida: se toman los cuantiles /2 y 1 /2 de F . Veamos
como se procede en el caso m as usual en que la F contiene par ametros desconocidos.
Supongamos F = N(, 2 ). Como los cuantiles de F son de la forma + c para
alguna constante c, buscaremos un intervalo de la forma X cS; o sea, buscamos c tal que
si X0 es N(, 2 ) independiente de las Xi , sea P(|X0 X| cS) = 1 . Notemos que
X0 X N(0, 2 (1 + 1/n)) y que S es independiente de X y de X0 . Por lo tanto
X X
0 tn1 ,
S 1 + 1/n

y en consecuencia hay que tomar c = 1 + 1/n tn1,1/2 . Aunque superficialmente esto
se parece al intervalo de confianza para la media, se trata de objetivos totalmente distintos.
En particular, la longitud de los intervalos de confianza tiende a 0 cuando n , cosa
que obviamente no sucede con los de tolerancia.
El mismo metodo puede ser imitado para otras distribuciones.
Si no se puede suponer nada sobre F , la idea intuitiva es reemplazar los cuantiles
desconocidos de F por los cuantiles muestrales. Sean X(1) < . . . X(n) los estadsticos de
orden. Entonces el intervalo [X(k) , X(nk) ] contiene n 2k observaciones, y resulta natural
tomar k tal que n 2k n, o sea k n/2. M as precisamente, se puede probar que si
F es continua:
k = [(n + 1)/2] = P(X0 [X(k) , X(nk) ]) . (10.26)
La demostraci on es elemental, pero requiere algo de trabajo.
Estos intervalos, cuya validez no depende de suponer ninguna distribuci
on, se llaman
no parametricos.
10.9 Ejercicios
10.1 La tabla 10.2 contiene 24 determinaciones de la temperatura de fusi
on del plomo, en
o
C [16]. Suponiendo normalidad, calcular
10.9. EJERCICIOS 131
Tabla 10.2: Temperatura de fusi

on del plomo
330.0 328.6 342.4 334.0 337.5 341.0
343.3 329.5 322.0 331.0 340.4 326.5
327.3 340.0 331.0 332.3 345.0 342.0
329.7 325.8 322.6 333.0 341.0 340.0
a. Un intervalo de confianza bilateral de nivel 0.95 para la desviaci

on tpica
b. Una cota inferior del mismo nivel para la media.
10.2 a. Para muestras de tama no 10 de una normal, comparar las longitudes de los
intervalos bilaterales de confianza de nivel 0.95 para , con conocida y con
desconocida.
b. Lo mismo, para los intervalos para , con conocida y desconocida.
10.3 Una caja contiene 10000 tornillos, de los que una proporci
on p desconocida son
defectuosos.
a. Se extraen 50 al azar, y se encuentra que 4 de ellos son defectuosos. Con nivel
de confianza 0.95, dar un intervalo bilateral y una cota inferior para p.
b. Idem, si se extraen 100 tornillos y hay 16 defectuosos.
10.4 Para los datos del Ejemplo 10.A, dar un intervalo bilateral de nivel 0.99 para la vida
media de las l
amparas.
10.5 La superficie de una hoja es dividida en cuadrculas. La cantidad de hongos en cada
una se puede considerar Po(). Se inspeccionan 20 cuadrculas tomadas al azar, con
un total de 3 hongos. Dar un intervalo de confianza bilateral de nivel 0.99 para ,
usando (10.20) y (10.22).
10.6 La emision de partculas alfa se puede considerar que sigue un proceso de Poisson
con intensidad c partculas por segundo.
a. Se observa una substancia radiactiva durante 10 segundos, registr
andose 4 emi-
siones. Dar un intervalo bilateral para c de nivel 0.95.
b. Se observa la misma substancia hasta que se emita la cuarta partcula, lo que
sucede a los 10 segundos. Dar un intervalo bilateral para c de nivel 0.95.
c. Calcular los intervalos en los dos casos anteriores, suponiendo que se registran
40 emisiones en 100 segundos.
10.7 a. Probar que si X 2m e Y 2n son independientes, es X + Y 2m+n [no
hace falta ninguna cuenta!].
b. Calcular la media y varianza de 2m .
c. Deducir, usando el Teorema Central del Lmite, que para m grande se puede
aproximar la 2m por una normal.
10.8 Para los datos del ejercicio 8.6, calcular para el valor verdadero del paralaje, el
intervalo de confianza bilateral de nivel 0.95, basado en Student; y compararlo con
el intervalo basado en la media podada X .25 . Explicar las diferencias.
10.9 Probar (10.6) [usar (10.3), (5.11), y bastante paciencia].

10.10 a. Probar que (a p)/ p(1 p) es una funci on decreciente de p (0, 1) si
a [0, 1].
b. Verificar que para el pivote (10.9), las soluciones de la ecuaci
on T (X, p) = z son
de la forma (10.10).
on 10.5 cumplen p() (X) = 1 p() (n X).
10.11 Probar que todas las cotas de la secci
10.12 Verificar el Teorema 10.3 para n = 2.
10.13 Usar el resultado del ejemplo
7.A para hallar intervalos aproximados para el par
ametro
de la Poisson, basados en X.
10.14 Usar el resultado del Ejercicio 7.12 para definir un pivote aproximado para la bino-
mial, y extraer de all intervalos de confianza para p. Aplicarlo al Ejercicio 10.3.
10.15 En el diseno de un experimento para comparar dos tratamientos mediante muestras

independientes, el presupuesto alcanza para un total de 20 observaciones. C omo
asignarlas a las dos muestras de manera de minimizar la varianza del estimador
de la diferencia de medias (suponiendo ambas muestras con la misma varianza)?.
10.16 Se tienen dos muestras independientes de igual tama no: Xi N(1 , 2 ) e Yi
2
N(2 , ), i = 1, . . . , n, con conocida. Calcular la longitud del intervalo de confianza
para = 2 1 usando el procedimiento correcto; y comparar con la que se
obtendra si se las tratara como muestras apareadas, o sea, usando Zi = Yi Xi .
Hacerlo en particular para n = 10 y = 0.9.
Captulo 11
Tests de Hip
otesis
Y yo me la lleve al ro
creyendo que era mozuela,
pero tena marido
F. Garca Lorca: La casada infiel
11.1 Introducci
on
Para presentar los conceptos, retomamos el Ejemplo 9.A. Un posible comprador declara
on p = M/N de latas defectuosas es 0.02.
que el lote es aceptable para el si la proporci
Para determinar si es aceptable, la u nica forma segura sera examinar todas las latas, cosa
poco conveniente. Por lo tanto, comprador y vendedor acuerdan en tomar una muestra de
n latas elegidas al azar, examinarlas, y basar la decisi on en la cantidad X de defectuosas
de la muestra. Esta es la situacion tpica de un test estadstico. Observamos una variable
aleatoria X cuya distribuci on depende de un par ametro p desconocido; basados en X
debemos decidir si p pertenece al conjunto [0, 0.02] o a su complemento (0.02, 1]. El
procedimiento podra pensarse como una funci on que a cada valor de X {0, 1, . . . n} le
hace corresponder uno de los dos valores s o no (o 0 y 1).
Como X es una variable aleatoria, la decisi on puede ser correcta o no seg un la muestra
que salga (por ejemplo, es perfectamente posible que p > 0.02 y sin embargo todas las
latas de la muestra sean buenas). Por lo tanto, toda especificaci on que se haga sobre el
procedimiento, tendr a que estar expresada en terminos de probabilidades. Al vendedor
le importa controlar la probabilidad de que un lote bueno sea rechazado, estipulando por
ejemplo:
p 0.02 = P{rechazar el lote} 0.05; (11.1)
al comprador le importa controlar la probabilidad de que le den por bueno un lote malo,
estipulando por ejemplo:
p > 0.02 = P{aceptar el lote} 0.03. (11.2)
133
134
CAPTULO 11. TESTS DE HIPOTESIS
Son ambos requerimientos compatibles?. Supongamos que el procedimiento sea: para un

cierto x0 {0, 1, . . . , n}, aceptar el lote si X x0 , y rechazarlo si no. Para simplificar
las cuentas, suponemos a N lo bastante grande como para que se pueda considerar a
X Bi(n, p). Entonces
n
x nx
P{aceptar el lote} = P(X x0 ) = x p (1 p) .
xx0
Llamemos a esto g(p). Entonces (11.1) equivale a exigir que g(p) 0.95 si p 0.02, y
(11.2) equivale a que g(p) 0.03 si p > 0.02. Pero g(p) es un polinomio en p, y por lo
tanto es una funci
on continua, por lo que no puede saltar de 0.95 a 0.03. En consecuencia,
hay que buscar otro enfoque del problema.
El enfoque m as com
un requiere abandonar la simetra entre los requerimientos de com-
prador y vendedor. Supongamos que este consigue imponer su criterio, o sea, (11.1).
Entonces el comprador deber a conformarse con una version m as debil de (11.2), a saber:
si p > 0.02, que P{rechazar el lote} sea lo mayor posible (respetando (11.1)).
Con esto, el conjunto [0, 0.02] ha quedado privilegiado, en el sentido de que si p pertenece
a el, la probabilidad de decidir equivocadamente est a acotada. Este conjunto se llama
hipotesis nula.
Con esta base, planteamos la situaci on general. Se observa una muestra X =
(X1 , . . . , Xn ) de variables aleatorias cuya distribuci
on conjunta depende de un par
ametro
desconocido perteneciente a un conjunto .
Definicion 11.1 Sean H0 y (0, 1). Un test de nivel de la hip otesis nula H0
on de Rn (o del conjunto de valores posibles de X) en el conjunto {0, 1} (o
es una funci
{aceptar y rechazar}), tal que m
axH0 P((X) = 1) = .
Un test queda definido por el conjunto de resultados donde se acepta H0 : {x : (x) = 0},
llamado regi on de aceptaci on. La probabilidad de rechazar, P((X) = 1), depende de .
La llamaremos (), la funci on de potencia (o simplemente potencia) del test. El nivel del
test es entonces el m axH0 (). En control de calidad, a la funci on 1 () se la llama
caracterstica operativa. El objetivo del test es decidir si est
a en H0 o en otro conjunto
H1 llamado hip otesis alternativa o simplemente alternativa que en la mayora de
los casos es el complemento de H0 . Esto es un test de H0 contra H1 . En el ejemplo
es H1 = (0.02, 1] = H0 . Los H1 se suelen tambien llamar alternativas. Adem as de
cumplir () para H0 , se requiere que () sea lo m as grande posible o al menos
aceptablemente grande para H1 .
La decision de rechazar H0 cuando es cierta se llama tradicionalmente error de tipo I;
y la de aceptar H0 cuando es falsa se llama error de tipo II. Tests como el del ejemplo,
cuya alternativa es de la forma > 0 para alg un 0 dado, se llaman unilaterales; los tests
con H0 = { = 0 } y H1 = { = 0 } se llaman bilaterales.

11.2. UN METODO DE TESTS
PARA LA OBTENCION 135
11.2 Un m
etodo para la obtenci
on de tests
Si se dispone de un pivote, el siguiente procedimiento permite obtener test uni- y bilaterales.
Proposicion 11.2 Sea T = T (X, ) un pivote decreciente en , y sea t su cuantil (no

depende de ). Dados 0 y :
a. El test con regi
on de aceptacion T (X, 0 ) t1 es un test de nivel de H0 =
{ 0 } (o de H0 = { = 0 }) contra H1 = { > 0 }.
b. El test con regi on T (X, 0 ) [t/2 , t1/2 ] es un test de nivel 1 de
on de aceptaci
H0 = { = 0 } contra H1 = { = 0 }.
Demostraci on: Indicaremos con P las probabilidades cuando el par

ametro verdadero es
. Para verificar el caso unilateral, basta ver que
H0 0 = T (X, ) T (X, 0 )
por ser T decreciente, y por lo tanto
H0 = P ( = 1) = P (T (X, 0 ) > t1 ) P (T (X, ) > t1 ) = .
Y como P0 ( = 1) = , queda probado que el nivel es . La demostraci on para el test

bilateral es an
aloga.
El valor del pivote que se calcula suele llamarse estadstico del test.
Aplicando este metodo a N(, 2 ) con desconocida, el test de { 0 } contra { >
0 } rechaza cuando
> 0 + tn1,1 S ,
X
n
o sea, cuando la media muestral es mayor que 0 m
as un cierto margen, como es razonable.
Ejemplo 11.A: Duraci on de pilas (cont.) En las condiciones del Ejemplo 10.B,
supongamos que un comprador decide adquirir el lote de pilas si el vendedor demuestra
que su vida media es > 235 hs., con probabilidad 0.01 de adquirir un lote malo; o sea que
H0 = { 235} y = 0.01. Aqu tenemos X = 237 y S = 11.3, y el estadstico del test
es T = 0.773 < t17,.95 = 1.74, por lo que el vendedor se queda sin negocio.
Aqu se puede apreciar la importancia de c omo se define H0 . Porque si se hubiera
establecido que el lote se vende salvo que el comprador pueda mostrar que < 235, la
venta se hubiera realizado, como puede verificar el lector.
El lector puede deducir facilmente los tests para la varianza de la normal y para el
parametro de la exponencial.
Para la binomial, el pivote (10.9) da tests con nivel aproximado. El test unilateral de
H0 = {p p0 } contra H1 = {p > p0 } rechaza cuando

p0 (1 p0 )
p > p0 + z1 , (11.3)
n
136
lo que es intuitivamente razonable. N otese que usar aqu el pivote (10.11) que daba inter-
valos de confianza m as sencillos, dara tests m
as complicados.
La aproximaci on del nivel se puede mejorar mediante la correcci on por continuidad,
reemplazando en (11.3) a p por p+ definida en (10.15), y por p para el test opuesto. En
el caso bilateral, la regi
on de aceptaci on es

p0 (1 p0 ) p0 (1 p0 )
p0 z1/2 p < p+ p0 + z1/2 . (11.4)
n n
Para la Poisson, el testbilateral de H0 = { = 0 } basado en el pivote (10.19) rechaza
cuando | 0 | > z1/2 0 /n. En cambio, usar (10.21) dara un test m as complicado.
Si bien los tests deducidos mediante este metodo son intuitivamente aceptables, el nivel
de este curso no nos permite abordar el problema de la obtenci on de tests que maximicen
la potencia. Se puede mostrar que, bajo ciertas condiciones, todos los tests presentados en
este Captulo la maximizan.
El valor p
En realidad, en gran parte de las aplicaciones de los tests no se ha decidido de antemano
un nivel. Se usa en cambio el valor p o nivel emprico definido como el menor para el
que el test rechazara la hip
otesis nula. De manera que si G es la distribuci on del pivote T
(Proposicion 11.2), y t es el valor observado, el valor p es 1 G(t) para un test de la forma
H1 = { > 0 }, y p = G(t) para la opuesta. En el caso bilateral, si D(T ) es simetrica como
la normal o Student, es p = P(|T | > t) = 2(1 G(t)) ( el doble del unilateral!); para el
caso no simetrico ver el ejercicio 11.2.
Por ejemplo, si un test unilateral para la hip otesis nula 3 da un estadstico t
igual a 1.4 con 10 grados de libertad, y observamos en la tabla que el cuantil 0.90 de la
t10 es 1.37, se dice que el test dio un valor p de 0.10, o que result o significativo al 10%.
Una interpretaci on de este resultado sera: si 3, entonces la probabilidad de obtener
un t mayor o igual que el que se obtuvo, es 0.10. Cuanto m as pequeno el p, mas
evidencia a favor de la alternativa. Pero un p = 0.10 no significa que haya probabilidad
0.10 de que valga la alternativa: esta es cierta o falsa.
11.2.1 *Relaci
on entre tests e intervalos de confianza
Se mostrar a una relaci
on general entre tests e intervalos de confianza, que no depende de
la existencia de un pivote, y que permite obtener tests a partir de intervalos o viceversa.
Proposici
on 11.3
a. Si I es una regi
on de confianza de nivel para , entonces para cada 0 , el test con
regi on {x : I(x) 0 } es un test de nivel = 1 de H0 = { = 0 }.
on de aceptaci
b. Inversamente, si para cada 0 se tiene un test de nivel de H0 = { = 0 } con
regi on A(0 ), sea I(x) = {0 : x A(0 )}. Entonces I es una regi
on de aceptaci on
de confianza de nivel = 1 .
DE MUESTRA
11.3. POTENCIA Y TAMANO 137
Demostraci
on: (a) El nivel del test est
a dado por
H0 = 0 = P(0
/ I) = 1 ,
por ser I una region de nivel .
(b) Es como la de (a) en sentido inverso.
Esta Proposicion establece una compatibilidad entre tests y regiones de confianza. El
test de (a) acepta que = 0 si pertenece a la region de confianza; la regi
on de confianza
de (b) esta formada por los valores del par ametro que no son rechazados por el test. El
motivo de usar aqu regiones y no intervalos de confianza, es que para (a) no hace falta
postular que la region sea un intervalo, y en (b) no se puede deducir sin m as hipotesis que
la regi
on lo sea.
Si se aplica (a) al intervalo de confianza bilateral I obtenido de un pivote T , el test
resultante coincide con el deducido de la Proposici on 11.2 (b). En efecto, de la Seccion 10.2
sale que I = [(1/2) , (1/2) ] donde T (X, (1/2) ) = t/2 y T (X, (1/2) ) = t1/2 ,
donde t es el cuantil de T . Teniendo en cuenta que T es decreciente en , la regi on de
aceptaci a dada por I 0 t/2 T (X, 0 ) t1/2 , que coincide con la de la
on est
Proposicion 11.2 (b). Por lo tanto no obtenemos de aqu ning un procedimiento nuevo.
11.3 Potencia y tama

no de muestra
El criterio m as l
ogico para la elecci
on del tama
no de muestra de un test es buscar el
menor n tal que la potencia para una alternativa elegida, supere un valor dado. Esto
requiere calcular la funcion de potencia (). En algunos casos sencillos, esto se puede
hacer explcitamente.
11.3.1 Tests para la media de la normal

Suponemos primero conocida. El test unilateral de nivel de 0 contra > 0
rechaza H0 cuando X > 0 + z1 / n. Sean P las probabilidades cuando es la media

verdadera. Teniendo en cuenta que T = n(X )/ N(0, 1), y restando en ambos
lados de la desigualdad, queda

> 0 + z1 0
() = P X = P T > n + z1
n
0
= 1 ( n + z1 ) = ( n z1 ), (11.5)

con = n( 0 )/. En consecuencia () es una funci on creciente de , n y , y
decreciente de . Es decir, la probabilidad de detectar que > 0 es mayor cuando
crece, y cuando crece el tama no de muestra; y es menor cuando hay m as variabilidad, y
cuando se quiere disminuir el error de tipo I.
Si se desea una potencia 1 para un cierto 1 , sale de (11.5) que debe ser

n1 z1 = z1 ,
138
donde 1 = (1 0 )/; y de aqu se despeja n, que es obviamente una funci

on creciente
de 1 .
El test bilateral de = 0 contra = 0 rechaza H0 cuando |(X 0 )/| > z1/2 .
Procediendo como antes se obtiene
0 + z1/2 )
1 () = P (0 z1/2 X
n n

= (z1/2 n) (z1/2 n),
con = ( 0 )/; y como (x) + (x) = 1, es:

() = ( n z1/2 ) + ( n z1/2 ). (11.6)
Esto es una funcion par de , como es de esperar. El lector puede verificar que es tambien
creciente en || y en (ejercicio 11.13).
Si se busca n tal que (1 ) = 1 dado, hay que deducir n de la ecuaci on

1 = ( n1 z1/2 ) + ( n1 z1/2 )
con 1 = |1 0 |/. No se lo puede despejar en forma explcita como antes, pero

una solucion aproximada se encuentra teniendo en cuenta que el segundo termino del
segundo
miembro a en general mucho menor que el primero, y por lo tanto 1
ser
( n1 z1/2 ), de donde se obtiene n ligeramente sobreestimado.
Si es desconocida, aparecen dos dificultades. La primera es que en las cuentas an-
teriores, al reemplazar por S, ya se hace imposible hallar resultados explcitos; pero
las potencias y tamanos de muestra se encuentran tabulados en libros sobre an alisis de

experimentos, como [17]. La segunda es que hace falta alguna cota sobre . Esta se puede
obtener muchas veces a partir de experiencia previa. Si no, se puede tomar una muestra
preliminar, usarla para estimar , y de all calcular el n adecuado.
11.3.2 Tests para la binomial

El test aproximado de H0 = {p p0 } contra H1 = {p > p0 } rechaza H0 cuando
X np0
> z1 .
np0 (1 p0 )

Recordando que T = (X np)/ np(1 p) N(0, 1), se obtiene

z1 p0 (1 p0 ) + n(p0 p)
(p) = Pp T >
p(1 p)

z1 p0 (1 p0 ) + n(p p0 )
.
p(1 p)
DE DOS MUESTRAS
Dado p1 , haciendo (p1 ) = 1 se tiene

z r1 + z1 r0
n= 1 ,

donde
r0 = p0 (1 p0 ), r1 = p1 (1 p1 ), = p1 p0 .
El mismo procedimiento sirve para el test bilateral.
11.4 Comparaci
on de dos muestras
11.4.1 Muestras normales
En la situaci
on de muestras apareadas de la secci
on 10.7.3, se desea testear = 0 contra
> 0. Si se supone normalidad, se recurre al test t ya conocido.
Tabla 11.1: Aglutinaci

on de plaquetas
Antes Despues Diferencia

25 27 2
25 29 4
27 37 10
44 56 12
30 46 16
67 82 15
53 57 4
53 80 27
52 61 9
60 59 -1
28 43 15
Ejemplo 11.B: Consecuencias de fumar La tabla 11.1 [14] muestra para cada uno de
11 individuos, la proporcion (como porcentaje) de plaquetas sanguneas aglutinadas antes
y despues de fumar un cigarrillo. Las plaquetas tienen un rol importante en la formaci on
de coagulos. Si bien hay metodos especficos para analizar datos de proporciones, tratamos
este ejemplo suponiendo normalidad. Para el test bilateral: las diferencias tienen media
= 10.3, con S = 7.98, lo que da T = 4.27 y p = 0.00082, mostrando un claro efecto
nocivo del cigarrillo.
Si aqu cometieramos la burrada de tratar antes y despues como muestras in-
dependientes, obtendramos el mismo , pero con S = 17, lo que da un estadstico
T = 1.42 y p = 0.086, con lo que la diferencia sera significativa s olo al 8%. (veanse las
Advertencias al final de la Seccion 10.7.3).
140
En la situacion de muestras independientes normales de seccion 10.7.1, los tests sobre

se deducen del pivote (10.25).
Si en el Ejemplo 10.D se quiere testear si hay diferencias entre los resultados de hombres
y mujeres con el metodo B, el lector puede verificar que el estadstico da 5.16 > t48,.995 , o
sea que la diferencia es altamente significativa.
11.4.2 M
etodos robustos y no param
etricos
Consideremos un ejemplo imaginario de muestras apareadas, donde las diferencias Zi =
Yi Xi con n = 11 son
0.753 0.377 0.0618 0.306 0.155 1.75 0.383 0.764 1.28 0.847 30.0
Aqu parecera haber evidencia de diferencia sistem atica, pues todas las Zi son positivas,
e inclusive una es notablemente alta. Pero si calculamos el estadstico, obtenemos Z =
3.33 y S = 8.86, lo que da un miserable t = 1.25 con 10 grados de libertad, con un valor
p unilateral de 0.12. C omo es esto posible?. Si repetimos los c alculos sin la u
ltima
observaci on resulta Z = 0.668 y S = 0.529, que dan t = 3.99 con p = 0.0016, de modo que
parad ojicamente la supresi on de una observaci on muy grande aumenta la evidencia a
favor de > 0. El motivo es que ese valor, si bien incrementa Z, tambien incrementa S,
y en definitiva disminuye el t. Por supuesto, el efecto sera mucho peor con -30 en vez de
30, pues se invertira el signo del efecto.
Una consecuencia de este ejemplo salta a la vista: jam as aceptar el resultado de un
procedimiento estadstico sin examinar los datos.
Una posible va de acci on es tratar de detectar los datos atpicos, y corregirlos o
eliminarlos. Esto se puede hacer con distintos metodos, uno de los cuales es el diagrama
de cuantiles del captulo 8. En este caso, el valor 30 salta a la vista, pero en situaciones
mas complejas puede hacer falta un an alisis mas cuidadoso. Este enfoque es mucho mejor
que no hacer nada; pero tiene el inconveniente de que requiere decisiones subjetivas. Un
enfoque m as sistem
atico es buscar procedimientos que no sean afectados por los valores
atpicos. Esto es especialmente importante cuando grandes masas de datos son analizadas
rutinariamente en una computadora, sin una mente humana que las inspeccione.
Recordemos que la suposici on de normalidad se hace para justificar el uso de las me-
dias y varianzas, que junto con la ventaja de su simplicidad tienen el defecto de su sen-
sibilidad a valores extremos (ejercicio 9.10). Una posibilidad es reemplazar las medias
por medias podadas, y utilizar el pivote aproximado (10.8). En este caso tenemos
Z.25 = 0.673 y S.25 = 0.27, que dan T = 2.49, que corresponde a un p = 0.016 con la
normal, dando abundante evidencia acerca de > 0.
Los tests robustos como este, tienen un nivel s olo aproximado. Existen tests llamados
no parametricos cuyo nivel no depende de F = D(Zi ) [16, Cap. 9]. El m as simple est
a
basado en la idea de que si las Y son sistem aticamente mayores
n que las X, debiera haber
mas diferencias positivas que negativas. Sea entonces U = i=1 I(Zi > 0), que es Bi(n, p)
con p = P(Zi > 0). Supongamos F continua. Entonces la hip otesis nula de que no hay
efectos equivale a p = 0.5, y la alternativa unilateral de que las Y son mayores que las X

11.5. SOBRE EL USO DE LOS TESTS EN LA PRACTICA 141
equivale a p > 0.5, de manera que el test se reduce a un test unilateral de la binomial, ya
visto. Este es el test del signo. En el ejemplo, se tiene U = 11, que da para el test (11.3)
un estadstico igual a 3.32 con un valor p de 0.0005: nuevamente, suficiente evidencia de
que > 0. El procedimiento para el caso bilateral es an alogo.
Como todas las observaciones tienen en la practica una precisi
on finita, hay
nuna probabi-
lidad positiva de que haya Zi = 0. Para tener en cuenta este caso, sea M = i=1 I(Zi = 0).
Entonces se puede probar que
D(U|M = m) = Bi(n m, p), (11.7)
de modo que en general se hace el test como si las Zi nulas no existieran. En el ejemplo
anterior, si a las 11 anteriores agreg
aramos dos nulas, el resultado sera el mismo.
11.4.3 Comparaci
on de dos binomiales
Consideremos la situaci on en que se observan X1 Bi(n1 , p1 ) y X2 Bi(n2 , p2 ) indepen-
dientes, con n1 y n2 conocidos, y se desea testear H0 = {p1 = p2 } contra H1 = {p1 > p2 }
(o {p1 = p2 }). Los muy elementales metodos mostrados hasta ahora no permiten de-
ducir el test adecuado, de modo que lo daremos por decreto. Los EMV son obviamente
pj = Xj /nj (j = 1, 2), por lo cual el EMV de la diferencia = p1 p2 es = p1 p2 . La
on de bajo H0 . Sea
idea clave es que para obtener el test, conviene calcular la distribuci

p0 el valor comun de p1 y p2 bajo H0 . Entonces v = var( ) = p0 (1 p0 )n/n1 n2 , donde
acil deducir que bajo H0 , el EMV de p0 es p0 = X/n, con X = X1 + X2 ;
n = n1 + n2 . Es f
y por lo tanto el EMV dev es v = p0 (1 p0 )n/n1 n2 . En definitiva, se usa el pivote
aproximado T = ( )/ v , que bajo H0 = { = 0} es aproximadamente
N(0, 1); y en
consecuencia, el test unilateral rechaza cuando p1 p2 > z1 v .
11.5 Sobre el uso de los tests en la pr

actica
Estas buscando direcciones
en libros para cocinar,
est
as mezclando el dulce con la sal
Charly Garca: Superheroes
Como el lector habra comprobado, aprender la teora elemental de los tests y el uso de los
correspondientes metodos no requiere m as que un poco de paciencia. Pero su aplicaci on
suele estar plagada de errores conceptuales, por falta de claridad en que significa lo que
se est
a haciendo, resultando a veces una aplicacion mecanica de recetas sin sentido. Es
entonces oportuno advertir al lector de algunos de estos puntos conceptuales. Para fijar
ideas, consideremos un test unilateral de comparacion de dos medias.
a) El que un test acepte H0 no debe interpretarse como una demostraci

on de su validez,
sino como que no hay suficiente evidencia como para rechazarla. De manera que
142
si n es demasiado pequeno y por lo tanto la potencia muy baja es muy probable

que el test acepte casi cualquier cosa. La contradicci
on del final del Ejemplo 11.A
muestra simplemente que n es demasiado chico como para decidir si es mayor o
menor que 235.
b) Que el test rechace H0 con un valor p muy peque no o sea, con un t muy grande no
significa que las dos medias sean muy diferentes: solo indica que hay mucha evidencia
de que hay alguna diferencia. Si n es muy grande, aunque sea peque na, el valor del
estadstico puede ser grande. Se puede hacer la siguiente comparacion: un observador
debe decidir si dos personas son iguales fsicamente. Si las mira desde 200 metros
(sin largavista) s
olo puede decir que no tiene suficientes elementos para decidir si son
distintos; y nadie podra tomar esto como una demostraci on de que son iguales. Por
otra parte, si los mira desde muy cerca, siempre podr a encontrar diferencias, aunque
se trate de dos gemelos (por ejemplo, las impresiones digitales).
Por lo tanto, si uno quiere tener una idea del tama no de la diferencia, no debiera
quedarse con el test, sino que debiera observar el estimador puntual y el intervalo de
confianza correspondientes. Una buena norma general sera: si un test detecta que
dos cosas son diferentes, hay que poder describir en que difieren.
c) Al elegir un test, es necesario recordar que no basta con tener en cuenta el error de
tipo I. Por ejemplo, un test que rechaza la hipotesis nula si el pr
oximo premio mayor
de la Lotera Nacional termina en 00, tiene un nivel de 0.01; pero es obviamente un
test idiota, porque la potencia es tambien de 0.01!.
d) Para elegir cual es la hip

otesis nula y cu
al la alternativa, hay dos criterios para tener
presentes. El primero es tomar en cuenta el hecho de que la hip otesis nula no es
rechazada si no hay suficiente evidencia en su contra. Por lo tanto, si se contraponen
una teora establecida y otra novedosa, debiera tomarse la primera como H0 . El
segundo es tecnico: el = debe estar en H0 ; es decir, H0 puede ser de la forma
= 0 o 0 , pero no = 0 , o > 0 (en lenguaje matem atico, H0 debe
ser un conjunto cerrado). La raz on es que si se procede de la forma indicada, se
puede obtener una potencia alta para lo bastante lejos de 0 y/o n lo bastante
grande; pero si en cambio se quiere testear H0 = { = 0 } contra = 0 con nivel
, inevitablemente la potencia resulta tambien cualquiera sea n. Ambos criterios
no siempre son compatibles como veremos en el Ejemplo 12.C y entonces debe
primar el tecnico.
11.6 Ejercicios
11.1 Con los datos del ejercicio 10.1, testear al nivel 0.05 las siguientes hip
otesis nulas:
a. = 1 contra = 1
b. 1 contra > 1
c. = 0.8 contra = 0.8

d. 0.8 contra < 0.8.
11.2 Para un test bilateral basado en un pivote T con funci on de distribuci on G (Proposi-
ci
on 11.2), probar que si t es el valor observado de T , el valor p es 2 mn(G(t), 1G(t)).
11.3 Una de las m as celebres Leyes de Murphy [3] establece que si se deja caer al suelo
una tostada untada con dulce, la probabilidad de que caiga del lado del dulce es mayor
que la de que caiga del lado del pan. Para verificarla, se realiz
o un experimento en la
University of Southwestern Louisana, en el que se dejaron caer 1000 tostadas untadas
con mermelada de grosellas, de las cuales cayeron 540 del lado del dulce. Que se
podra concluir?.
11.4 Muestre que el test bilateral de H0 = {p = p0 } en la binomial, obtenido aplicando la

Proposici
on 11.3 a los intervalos dados por (10.13)-(10.14)-(10.16) tiene la regi
on de
aceptaci
on dada por (11.4) m as la condici
on 0 < X < n [usar el ejercicio 10.10].
11.5 Los fabricantes A y B producen el mismo tipo de cable de cobre. Los valores de
la resistencia a la tensi
on de dos muestras de cable (en libras) son:
A: 5110 5090 5120 5115 5105 5050 5075 5085
B: 5130 5050 5040 5045 5065 5120 5050.
Suponiendo normalidad, testear la igualdad de las resistencias medias de los cables
producidos por ambos fabricantes, con nivel 0.10.
11.6 Un lote de n lamparas se considera aceptable si su vida media es 1000 horas. Se

desea que, si el lote es bueno, la probabilidad de rechazarlo sea 0.01. Se supone
que la distribuci
on de las duraciones es exponencial. Que condici
on debe cumplir la
muestra para que el lote sea considerado aceptable?
11.7 En la situacion del Ejercicio 10.6, es el resultado compatible con la suposici

on de
que c = 0.6?.
11.8 Otra famosa ley de Murphy es: la probabilidad de un suceso es funci on creciente
del dano que causa. Para verificar esto, en la University of Southwestern Louisana
se dejaron caer 1000 tostadas untadas con mermelada de grosellas silvestres: 400 en
la cancha de basket de la Universidad, y 600 sobre una valiosa alfombra persa. De
las primeras, cayeron 220 del lado del dulce; y de las segundas, 350. Que conclusi
on
puede sacar?.
11.9 Se desea testear H0 = { = 0} contra la alternativa { = 0} para muestras de

tamano n de N(, 2 ), al nivel 0.05. Hallar el menor n tal que la potencia sea 0.8
si 3, suponiendo conocida = 5.
11.10 En la situaci
on del ejercicio 10.15, c
omo asignar las observaciones de manera de
maximizar la potencia de los tests para ?.
144
11.11 Probar (11.7).

11.12 En la situacion del ejercicio 11.3 el comite de investigaciones de la University of
Southwestern Louisiana decreta que, para que el experimento sea considerado con-
cluyente, debera cumplir con: (a) si la Ley de Murphy es falsa, la probabilidad de
que el test la confirme debe ser 0.01; (b) si la Ley es cierta, y la probabilidad de
caer del lado del dulce es > 0.6, entonces la probabilidad de confirmarla debe ser
0.95. Cu antas tostadas hay que arrojar para que se cumplan estas condiciones?
on creciente de || de .
11.13 Verificar que (11.6) es funci
Captulo 12
Ajuste de una Recta
Una situaci on frecuente en la investigaci

on cientfica y tecnol
ogica es aproximar una mag-
nitud como funci on de otra u otras. La m as simple es ajustar una relaci on lineal en-
tre dos magnitudes, x (predictor) e y (respuesta). Es decir, se tienen datos (xi , yi )
(i = 1, . . . , n) y se desea encontrar coeficientes 0 , 1 tales que
yi 0 + 1 xi . (12.1)
Esto es semejante a la situaci

on de la Secci
on 6.2.1, pero mientras que all se parta de una
distribuci
on conjunta, aqu se parte de datos empricos. Mostramos algunos casos tpicos.
Ejemplo 12.A: Temperatura y consumo de vapor Los datos de la tabla 12.1 [6] dan
para cada mes la temperatura promedio x en grados centgrados y la cantidad y de
vapor en libras utilizada en un proceso qumico durante el mes (los datos no est
an en
orden cronol
ogico sino ordenados por las x). Se desea una predicci
on aproximada de y en
funci
on de x.
La figura 12.1 muestra una relacion descendiente y aproximadamente lineal, aunque
con mucha variabilidad.
Ejemplo 12.B: Dispersion de un aerosol En un estudio sobre aerosoles [5] se realiz o
para cada medicion una emisi
on de un aerosol y se registr o despues de un tiempo x la
edad del aerosol su dispersi
on medida como la inversa de la cantidad de partculas por
unidad de volumen, con el objetivo de tener una descripci on de la evoluci
on temporal del
fenomeno. Los datos se muestran en la tabla 12.2 y la figura 12.2.
12.1 El m
etodo de mnimos cuadrados
Para ajustar una relacion de la forma (12.1), una idea sensata es buscar los coeficientes
de forma que las diferencias yi (0 +1 xi ) entre observaci
on y predicci
on sean peque
nas.
Como en la Secci on 6.2.1, el criterio ser a buscar los coeficientes tales que
145
146 CAPTULO 12. AJUSTE DE UNA RECTA
Tabla 12.1: Temperatura (x) y uso de vapor (y)
x y x y
-2.17 11.88 14.50 8.47
-1.89 11.08 14.89 6.40
-1.72 12.19 15.17 10.09
-1.28 11.13 16.33 9.27
-0.67 12.51 21.11 6.83
0.78 10.36 21.11 8.11
1.83 10.98 21.50 7.82
3.94 9.57 21.83 8.73
7.00 8.86 22.28 7.68
8.00 8.24 23.56 6.36
8.22 10.94 23.61 8.88
9.17 9.58 24.83 8.50
14.17 9.14
Tabla 12.2: Dispersi

on de aerosol
Edad x (minutos): 8 22 35 40 57 73 78 87 98
Dispersi
on y: 6.16 9.88 14.35 24.06 30.34 32.17 42.18 43.23 48.76
n
i=1 (yi 0 1 xi )2 sea mnima. Este es el metodo de mnimos cuadrados, que desde
su creacion por el astr
onomo y matem atico frances Lagrange en el Siglo XVII, ha sido sin
duda el m as usado de los metodos estadsticos. El motivo de su popularidad es ya lo
adivina el lector que es el unico capaz de proporcionar resultados explcitos. Para hallar
ls soluci
on de
n
(yi 0 1 xi )2 = mn, (12.2)
i=1
derivamos (12.2) respecto de 0 y 1 , obteniendo las ecuaciones normales:

n

(yi 0 1 xi ) = 0, (12.3)
i=1
n

(yi 0 1 xi )xi = 0. (12.4)
i=1
Pero esto es semejante a (6.14), y el lector puede verificar enseguida que la soluci
on es
Sxy
1 = , 0 = y 1 x
, (12.5)
Sx

12.1. EL METODO DE MNIMOS CUADRADOS 147

12

10

y

8
x
0 10 20 30
Figura 12.1: Uso de vapor vs. temperatura
donde n n
1 1
x
= xi , y = yi , (12.6)
n i=1 n i=1
n

Sx = )2 ,
(xi x (12.7)
i=1
n
n
n

Sxy = (xi x
)yi = xi (yi y) = (xi x
)(yi x
), (12.8)
i=1 i=1 i=1
teniendo en cuenta para esto u

ltimo que
n

(xi x
) = 0. (12.9)
i=1
Es inmediato que la recta pasa por (x, y).

Sean
yi = 0 + 1 xi , ri = yi yi (12.10)
los valores ajustados y los residuos. Entonces las ecuaciones normales se pueden es-
cribir como n n

ri = 0, xi ri = 0. (12.11)
i=1 i=1
50

40

30
20

10

0 x
0 20 40 60 80 100
Figura 12.2: Aerosol: dispersi

on vs. edad
Una medida del error del ajuste est

a dada por la suma de los cuadrados de los residuos:
n

Sr = ri2 . (12.12)
i=1
Usando (12.11) resulta

n
n

Sr = ri (yi yi ) = ri (yi y),
i=1 i=1
y usando la definici
on de 1 y la segunda igualdad de (12.8) queda
n 2
Sxy
Sr = (yi y 1 xi )(yi y) = Sy , (12.13)
i=1
Sx

donde Sy = ni=1 (yi y)2 . De (12.13) es obvio que Sr Sy . Al valor 1 Sr /Sy se lo
llama coeficiente de determinaci on, y se lo suele designar con R2 . Mide que proporci
on
de la variabilidad de las y es explicada por las x (comparar con (6.16)).
En el ejemplo 12.A, se tiene
= 11.44, y = 9.344, Sx = 2208, Sy = 71.75, Sxy = 324.2;
x
de donde sale 0 = 11.02, 1 = 0.1468, y Sr = 71.90, R2 = 0.967. Observe que R2 es alto,
y sin embargo se ve en la figura que los datos no est
an pr
oximos a una recta. Lo que ocurre
es que R2 depende no s olo de Sr que mide cu an dispersas estan las y alrededor de la
recta sino tambien de Sx , que mide cu an dispersas estan las x respecto de su promedio.

12.1. EL METODO DE MNIMOS CUADRADOS 149
12.1.1 C
alculo num
erico de los coeficientes
Para calcular los coeficientes de (12.5) y medir el error, hacen falta las medias x , y y las
sumas Sx , Sxy y Sr . Para obtener estas u ltimas, lo m as natural es aplicar directamente
las definiciones (12.7), (12.8) y (12.12), lo que es adecuado si se dispone de computadora.
Pero si se debe usar una calculadora, hay un procedimiento que requiere menos operaciones.
Sean
n n n
Ax = x2i , Ay = yi2 , Axy = xi yi .
i=1 i=1 i=1
Entonces se deduce enseguida que
x2 , Sxy = Axy n
Sx = Ax n y2 .
xy, Sy = Ay n
Y Sr se puede calcular mediante (12.13). Este procedimiento tiene los mismos peligros
mostrados en el ejercicio 8.2. Para evitarlos, el remedio es el mismo: restar a las xi y a las
yi sendas constantes para que queden parejamente repartidas alrededor del 0.
12.1.2 Recta por el origen

En el Ejemplo 12.B, cuando x = 0, el aerosol est a a un comprimido, por lo que la canti-
dad de partculas por unidad de volumen es muy alta, y en consecuencia la dispersi on es
practicamente nula, lo que es corroborado por la figura 12.2. Esto justifica plantear (12.1)
con 0 = 0, o sea, ajustar una recta que pasa por el origen, de la forma yi xi . En este
caso el lector puede verificar f
acilmente que el estimador de mnimos cuadrados definido
por ni=1 ri2 = mn, donde ri = yi xi , cumple la ecuaci on normal ni=1 ri xi = 0, con
solucion n
xi yi
= i=1n 2
. (12.14)
i=1 xi
Se podra pensar que si yi xi , debiera ser yi /xi , y por lo tanto se podra

obtener la pendiente como un promedio de las pendientes yi /xi . En verdad, el de
(12.14) es un promedio ponderado de las pendientes (ver (12.14)) con pesos wi = x2i , ya
que xi yi = (yi /xi )x2i . Es decir, que las x m
as alejadas del origen tienen mayor peso.
Analogamente, para una recta general, (12.5) y la u
ltima igualdad de (12.8) muestran que
la pendiente 1 es un promedio ponderado de las pendientes (yi y)/(xi x ), con pesos
)2 .
(xi x
12.1.3 Transformaciones
Algunos modelos no son de la forma (12.1), pero pueden ser llevados a ella. Por ejemplo,
si y axb y se quiere estimar a y b, una forma de hacerlo es tomar logaritmos, obteniendo
y a + bx con y = log y, a = log a, x = log x. Lo mismo sucede con modelos de la
forma y abx (ejercicios 12.10 y 12.8).
Note que para conservar la simplicidad del c alculo, lo que importa es que los coeficientes
no los predictores figuren en forma lineal. Por ejemplo, y 0 + 1 x5 no ofrece
problema; pero s y + 2 x (pese a que aqu la x figura linealmente).
El ajuste de polinomios (por ejemplo y 0 + 1 x + 2 x2 ) excede el nivel de este libro.
12.2 El modelo lineal simple

Para tratar la variabilidad de los coeficientes obtenidos, hace falta un modelo estadstico
para las observaciones. El modelo es
Yi = 0 + 1 xi + Ui , (12.15)
donde 0 y 1 son par ametros desconocidos, las xi (i = 1, . . . , n) son fijas (o sea, no son
aleatorias), conocidas sin error, y las Ui son variables aleatorias iid. Este es el llamado
modelo lineal simple.
Adem as se supone:
Ui N(0, 2 ) (12.16)
con desconocida.
Calcularemos los EMV de los parametros (distinguiremos los estimadores de los
parametros desconocidos ). Como Yi N(i , 2 ) donde
i = E Yi = 0 + 1 xi ,
y las Yi son independientes porque las Ui lo son, la densidad conjunta de las Yi es

n

1 1 2
L(y1 , . . . , yn ; 0 , 1 , ) = exp 2 (yi i ) ,
(2)n/2 n 2 i=1
y para maximizar esto hay que minimizar

n
1
n ln + (yi 0 1 xi )2 . (12.17)
2 i=1
Se verifica enseguida que los que minimizan esta expresi

on son los mismos de (12.2).
De modo que la funci on que cumple la suposicion de normalidad (12.16) no es otra que la
de justificar el uso del metodo de mnimos cuadrados, que es el mas simple de calcular.
Para obtener el EMV de , se deriva (12.17) respecto de , y resulta

Sr
= . (12.18)
n
DE LOS ESTIMADORES
12.3 Distribuci
on de los estimadores
Para obtener inferencias sobre los estimadores, se necesita su distribuci
on. Teniendo en
cuenta que E Ui = 0 y (12.9), se deduce que las medias de los j son
n
(xi x
)i
E 1 = i=1 = 1 ,
Sx
n
1
E 0 = (0 + 1 xi ) 1 x
= 0 ;
n i=1
o sea que los estimadores son insesgados.
Por ser las Ui incorreladas, sale directamente de (12.5) que
2
var(1 ) = . (12.19)
Sx
Para calcular la varianza de 0 , lo escribimos explcitamente como combinaci
on lineal de
las Yi :
n
1 xi x
0 = x
Yi ; (12.20)
i=1
n Sx
y de aqu se obtiene
1 2
x
var(0 ) = 2
+ . (12.21)
n Sx
La interpretacion de (12.19) es que la varianza del estimador de la pendiente es tanto
menor cuanto m as desparramadas esten las xi . La de (12.21) es: como la recta pasa por
x, Y ), cuanto m
( as alejada este x
del 0, con menos precisi
on se puede estimar la ordenada
en el origen.
Usando (12.20) y (12.5), y teniendo en cuenta que cov(Yi , Yj ) = 0 para i = j, se prueba
que
x
cov(0 , 1 ) = 2 . (12.22)
Sx
Por u ltimo, los j son normales por ser combinaciones lineales de las Yi , que son
normales independientes.
12.4 Inferencia
Ahora veremos c omo obtener intervalos de confianza y tests para los par
ametros. Por
(12.11), los n sumandos de Sr no son independientes, pues cumplen dos restricciones.
Como el lector puede sospechar, se cumple un resultado an alogo a los Teoremas 10.3 y
10.4:
Teorema 12.1 Sr / 2 2n2 , y es independiente de (0 , 1 ).
De aqu sale que ESr = 2 (n 2), y por lo tanto un estimador insesgado de 2 se

obtiene como
Sr
S2 = . (12.23)
n2
El Teorema permite obtener intervalos de confianza para , como en la Secci on 10.3, pero
ahora con n 2 grados de libertad.
Las varianzas de 0 y 1 y la covarianza se estiman reemplazando en (12.21), (12.19)
y (12.22) a por S. Sean v0 , v1 y c los respectivos estimadores. Entonces de la indepen-
dencia dada en el Teorema resulta que
j j
tn2 (j = 1, 2),
vj
lo que permite obtener intervalos de confianza y tests para los parametros, en la forma ya
conocida.
En
el modelo Yi = xi + Ui de recta por el origen, el estimador2 (12.14) tiene varianza
2 / ni=1 x2i . El resultado analogo al Teorema 12.1 es que Sr / 2n1 (aqu los ri
cumplen una sola condici on), y es independiente de . En consecuencia,

n
2

xi tn1 .
Sr
i=1
Ejemplo 12.C: Galileo y la estrella nueva En 1572, el astr onomo danes Tycho
Brahe observ o un astro nuevo y muy brillante, cuyo brillo fue decreciendo hasta finalmente
extinguirse 18 meses m as tarde. Tycho verific
o que el nuevo astro permaneca fijo respecto
a las estrellas, y varios astr
onomos hicieron observaciones de su posici on desde distintos
puntos de Europa.
En el lenguaje actual, se trataba de una nova, producto de la desintegraci on de una
estrella. Pero en aquel tiempo primaba todava la doctrina de Arist oteles, seg
un la cual
las estrellas eran inmutables, es decir, no podan aparecer ni desaparecer; de modo que
determinar si el nuevo astro era una estrella tena serias implicaciones. Dicha doctrina
estableca adem as que las estrellas estaban a una distancia infinita. En 1632, Galileo
polemiz o con otros astr
onomos con el fin de probar que en efecto se trataba de una estrella.
Damos aqu una parte de las observaciones [8], que constan de dos angulos, altura del
polo x (que depende de la latitud del punto de observaci on) y altura mnima de la
estrella y (ambas en grados). La u ltima columna de la tabla se usar a en la Seccion 12.7.1.
La figura 12.3 muestra los datos.
Se puede mostrar que estos angulos cumplen una relaci on de la forma y = 0 + 1 x
donde 1 1 depende de la distancia a la estrella, y es igual a 1 si la distancia es infinita.
Esta relacion no se cumple exactamente con los datos observados, debido a los errores de
medicion. Para mostrar que se trataba de una estrella, Galileo deba probar que 1 = 1.
En aquel tiempo no existan Probabilidad ni Estadstica, y el analisis que hizo Galileo nos
parecera hoy innecesariamente complicado. Veamos c omo se podra plantear el problema

12.5. INTERVALOS DE PREDICCION 153
Tabla 12.3: Alturas del polo (x) y de la estrella (y)
N
um. alt. polo alt. estrella residuo
1 55.97 27.75 -0.04
2 52.40 24.36 0.10
3 51.90 23.55 -0.22
4 51.30 23.05 -0.13
5 51.17 22.67 -0.38
6 49.40 22.00 0.70
7 48.37 20.16 -0.12
8 48.37 20.25 -0.03
9 39.50 11.50 -0.02
10 55.97 27.95 0.16
actualmente. El modelo es Yi = 0 + 1 xi + Ui , y se trata de determinar si los datos

apoyan la afirmacion 1 = 1. Aqu se plantea la situaci
on del punto (d) de la Secci on 11.5:
como Galileo quiere demostrar que la doctrina establecida (1 > 1) es falsa, esta debiera
constituir la hip
otesis nula; pero como esto es tecnicamente imposible, se debe proceder al
reves, testeando H0 : 1 = 1 contra la alternativa 1 > 1. Con esto, Galileo s olo podra
aspirar a mostrar que los datos no contradicen su afirmaci on.
Un ajuste por mnimos cuadrados da 0 = 27.49, 1 = 0.9876, S = 0.3063. La
desviacion estimada de la pendiente es 0.0218, lo que da un estadstico t=-0.567, mostrando
un excelente ajuste con H0 .
Combinaciones lineales
En general, sea = a0 + b1 cualquier combinaci on lineal de los par
ametros. Si se desean
intervalos de confianza o tests para , se siguen los mismos pasos que antes. El EMV de
es = a0 + b1 , cuya varianza v se obtiene aplicando (4.27); se la estima reemplazando
a por S, o sea v = a2 v0 + b2 v1 + 2abc .
Como depende s olo de (0 , 1 ), y v depende s
olo de S, se deduce del Teorema 12.1
que

tn2 . (12.24)
v
12.5 Intervalos de predicci

on
Sea x0 cualquiera, y 0 = 0 + 1 x0 , la media de la Y correspondiente a x0 . El EMV
de 0 es obviamente 0 = 0 + 1 x0 . Se deduce enseguida que E 0 = 0 . Su varianza se
25

20
15

10 x
40 45 50 55
Figura 12.3: Altura de la estrella vs. altura del polo
obtiene usando (12.21), (12.19) y (12.22):

)2
1 (x0 x
var(0 ) = 2
+ . (12.25)
n Sx
Note que esta varianza aumenta con la distancia de x0 a x . La explicaci
on es que, como la
recta pasa por ( x, Y ), el efecto del error en la pendiente se hace m as notorio cuanto mas
lejos este x0 de x
. Usando (12.24) se obtienen intervalos de confianza para 0 .
Sean x0 cualquiera e Y0 = 0 + 1 x0 + U0 , donde U0 es independiente de los dem as
Ui , y supongamos que se conoce x0 pero no Y0 . Se desea un intervalo que contenga a Y0
con probabilidad dada (recordar la Secci on 10.8); se lo llama intervalo de prediccion. El
metodo para obtenerlo es igual al de dicha secci on: (Y0 0 ) tiene media 0, y varianza
2 + var(0 ), y por lo tanto el intervalo es
1/2
1 )2
(x0 x
0 S tn2,1/2 1 + + .
n Sx
En el Ejemplo 12.A, para x0 = 12, es 0 = 9.262, el intervalo de confianza bilateral de
nivel 0.95 para 0 es 9.262 0.4248; y el de predicci
on es 9.262 2.163.
12.6 Predictores aleatorios

Mientras que en los ejemplos 12.B y 12.C las x est
an predeterminadas (han sido elegidas
antes de medir las y), en el 12.A ambas estan fuera del control del experimentador, y
por lo tanto deben ser consideradas como aleatorias. Estos datos, en que los predictores
12.6. PREDICTORES ALEATORIOS 155
no son controlados sino aleatorios, se llaman datos observacionales. Como veremos a

continuacion, el tratamiento estadstico es esencialmente el mismo, aunque la interpretaci on
de los resultados puede ser muy diferente.
En esta situaci on, se observan pares independientes (Xi , Yi ), i = 1, . . . , n de variables
aleatorias, que cumplen el modelo
Yi = 0 + 1 Xi + Ui . (12.26)
Supongamos que
Xi y Ui son independientes (12.27)
y que las Ui tienen todas la misma distribuci on. De aqu resulta E(Yi |Xi ) = 0 + 1 Xi si
E Ui = 0 (ejercicio 12.5).
Si adem as se postula (12.16), es f acil calcular la funci
on de verosimilitud. Supongamos
para simplificar que D(Xi ) es continua, con densidad gi . Como (Xi , Yi ) es una trans-
formaci on lineal de (Xi , Ui ), su densidad conjunta se obtiene f acilmente aplicando (5.12),
lo que da (Xi , Yi ) f (x, y) = gi (x)h(y 0 1 x) donde h es la densidad de Ui . En
consecuencia la funci on de verosimilitud es
n
n
1 1 2

L(x1 , y1 , . . . , xn , yn ; 0 , 1 , ) = n/2 n
exp 2 (yi 0 1 xi ) gi (xi );
(2) 2 i=1 i=1
y de esto se deduce que los EMV son los mismos que para xi fijas: los de mnimos cuadrados.
Notemos que n1 Sx , n1 Sy y n1 Sxy son las varianzas muestrales de las X y de las Y ,
y la covarianza muestral. Por lo tanto, los estimadores son la versi on muestral de (6.14).
Sea
Sxy
=
Sx Sy
el coeficiente de correlaci acilmente que R2 = 2 .
on muestral. Entonces se prueba f
Las distribuciones de los estimadores dependen ahora de las distribuciones de las Xi .
Puede probarse que siguen siendo insesgados, y que su distribucion condicional en las Xi
es normal, pero que en general su distribucion no ser
a normal (ejercicio 12.6). En cambio
afortunadamente las distribuciones de Sr y de los estadsticos t no dependen de la de
los predictores:
Proposici on 12.2 Bajo el modelo (12.26) con (12.27) y (12.16), la distribuci

on del es-
tadstico t de (12.24) es tn2 , y la de Sr /2 es 2n2 .
Demostraci on: El estadstico t es una funci on de las Xi y de las Ui : T = t(X, U) con

X = (X1 , . . . , Xn ) y U = (U1 , . . . , Un ), que son vectores aleatorios independientes. Para
cada x Rn fijo, la distribuci on de t(x, U) es una tn2 . El Corolario 6.3 implica que esta
es la distribuci on condicional D(T |X = x). Y por (6.8), esta es D(T ).
El mismo razonamiento vale para Sr .
Lo mismo se cumple obviamente para el modelo de recta por el origen.
12.6.1 Interpretaci
on de los resultados
Si bien las mismas formulas valen para xi fijas o aleatorias, las implicancias son distintas.
En el primer caso, se puede decir que si se hace que x aumente en , entonces y aumentar a
en media 1 . Pero este razonamiento no se puede extender al caso de xi aleatorias. Para
verlo, consideremos el siguiente ejemplo.
Ejemplo 12.D: Nacimientos y cig ue
nas La tabla 12.4 [5] da para la ciudad alemana
de Oldenburg los n
umeros de cig
ue
nas (x) y de habitantes (en miles) (y) al final de cada
a
no.
Tabla 12.4: Cig

ue
nas y habitantes
a
no: 1930 1931 1932 1933 1934 1935 1936
cig
ue
nas x: 130 148 175 185 247 253 255
habitantes (miles) y: 55 55 63 66 68 72 75
70

y

60
50 x
100 200 300
Figura 12.4: Habitantes vs. cig
ue
nas
La figura 12.4 muestra una clara relaci

on entre x e y. Si hacemos un ajuste lineal para
predecir el n
umero de habitantes en funcion del de cig nas, se obtienen 0 = 36.9 y 1 =
ue

0.14, con una correlaci
on bastante alta: = 0.81.
En vista de tan buen ajuste, y dado que la pendiente es 0.14 miles de habitantes/cig
ue
na:
se puede concluir que la importaci on de 10 cigue
nas implicara un aumento medio de la
poblacion de 1400 habitantes?. La idea parece absurda, m axime que nosotros ya sabemos
12.7. USO DE LOS RESIDUOS 157
que dichas aves nada tienen que ver con el nacimiento de los ni nos (puesto que estos nacen
de un repollo). Para completar el ridculo, nada impedira usar los datos al reves, para
concluir que un aumento del n umero de habitantes acarrea un aumento del de cig uenas.
Esto muestra que con datos observacionales, correlaci on no implica causalidad.
Cual puede ser entonces la explicaci
on de la correlacion?. Notemos que tanto las x
como las y aumentan con el tiempo, y eso es simplemente la causa. O sea: si dos variables
est
an muy correlacionadas, la causa puede ser una tercera variable que influye en ambas.
Esto no impide que las x sean buenos predictores de las y, mientras la situaci
on contin
ue
evolucionando de la misma manera. Pero si se quiere saber que ocurre al alterar las variables
del sistema, la u
nica forma de saberlo es alterarlas y ver que pasa.
12.6.2 Predictores con error

Hasta ahora se ha supuesto que los predictores tanto controlados como aleatorios eran
medidos sin error. Naturalmente, esta suposici on es extremadamente optimista. En el
ejemplo 12.C, la altura del polo x dependa s olo del lugar de observaci on, y por lo tanto
era elegida antes de medir la y, de modo que se la puede tomar como controlada. Pero x
esta tan sujeto a errores de observaci on como y.
Puede probarse que el efecto de los errores en las x es que 1 est a sesgada hacia el 0
(o sea, se subestima |1 |). El tama no de este sesgo depende de la relaci on entre el error
de medici on de las x y la dispersi on de estas. M as precisamente, si en vez de xi se observa
xi + Zi con E Zi = 0 y var(Zi ) = vZ , entonces el sesgo depende de vZ /Sx.
Si este valor es lo bastante alto como para producir inconvenientes, hay que reemplazar
a mnimos cuadrados por otro metodo. El m as simple es el siguiente, propuesto por A.
Wald: se ordenan los datos en orden creciente de las xi . Sean m = [n/3], x 1 , y1 las medias
de las x y de las y de las m primeras observaciones; x 2 , y2 las de las m u
ltimas. Entonces
la recta que pasa por ( x1 , y1 ) e (
x2 , y2 ) da un estimador libre de sesgo.
Para m as detalles de este problema, conocido como error en las variables, ver [6, 21].
12.7 Uso de los residuos

Los residuos son un instrumento u
til para detectar la falta de correspondencia entre el
modelo y los datos.
12.7.1 Diagrama normal

Cuando se ha elegido un modelo adecuado, un diagrama normal de cuantiles de los residuos,
como en la Secci on 8.2.2, puede ayudar a detectar observaciones atpicas. Para el Ejemplo
12.C, la ultima columna da los residuos. La figura 12.5 muestra un residuo notoriamente
grande, que corresponde a la observacion 6, la que podra tratarse de una medici
on atpica.
Si se la saca, se obtiene 0 = 27.77, 1 = 0.9917 y S = 0.1714. Los coeficientes no han
cambiado sustancialmente, pero el estimador de ha bajado a menos de la mitad. La
estimada de 1 es ahora 0.01222 con t = 0.6766, lo que afortunadamente no cambia las

conclusiones anteriores.
0.4
r(i)

0 . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . ..

-0.4
-1 0 1
Figura 12.5: Nova: diagrama normal de residuos
12.7.2 Gr
afico de residuos vs. predictores
Graficar ri vs. xi es muy util para los casos en que no se sabe cual es el modelo correcto
(o sea, las m
as de las veces). Los residuos son lo que queda de las y despues de quitarles
la influencia de las x. Si el modelo fuera correcto, los ri no debieran mostrar ninguna
dependencia de las xi ; en cambio, si el gr
afico muestra alguna estructura, quiere decir que
no estamos quitando de las y toda la influencia de las x.
Entonces, cuando el modelo no es conocido, y no teniendo otra informaci on sobre los
datos, puede comenzarse por ajustar una recta, y luego examinar el grafico de ri vs. xi ,
el que puede mostrar la necesidad de una transformaci on de las y y/o las x para llevarlos
a una forma lineal. Hallar la trasformaci on adecuada (si la hay) tiene bastante de arte, y
puede requerir varios ensayos.
Ejemplo 12.E: Otolitos Los otolitos son formaciones calc areas que hay en el odo de
los peces. Cuando un pez es comido por un predador, lo u nico que queda del primero en el
estomago o las heces del segundo, son los otolitos, lo que los hace un elemento importante en
el estudio de la alimentaci
on de seres marinos. Para aprovecharlos es necesario poder inferir
12.7. USO DE LOS RESIDUOS 159
el tamano de la vctima a partir del tamano del otolito. La tabla 12.5 da las longitudes
de los otolitos (x) y los pesos (y) de varios ejemplares de un pez antartico llamado pez
linterna. La figura 12.6 muestra los datos, que exhiben una relaci on aproximadamente
lineal con cierta curvatura.
Tabla 12.5: Otolitos
long. otol. peso pez long. otol. peso pez

5.12 235 5.68 342
5.15 238 5.80 368
5.33 270 5.87 385
5.42 287 5.92 396
5.47 295 6.01 418
5.50 301 6.15 452
5.57 316 6.30 495
5.61 325 6.42 530
5.63 330 6.50 557

500
yi

400

300

xi
5 6
Figura 12.6: Peso del pez vs. longitud del otolito
La figura 12.7 muestra el grafico de residuos vs. predictores correspondiente a la re-

gresi
on lineal de y en x. Hay una clara estructura, lo que indica que todava se puede
mejorar la aproximacion de y en funci
on de x. Intentamos una regresion lineal de log y en
log x. El gr
afico de residuos vs. predictores se ve en la figura 12.8. Si bien la forma es un
tanto extrana, no se ve mucha dependencia. Los coeficientes son -0.207 y 3.631.
10
ri

0 . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

-10
xi
5 6
Figura 12.7: Residuos vs. longitud de otolitos
Este tipo de gr aficos es tambien u

til para detectar observaciones atpicas que afectan
mucho los coeficientes (ejercicio 12.12).
12.8 Ejercicios
n
12.1 Probar que i=1 y
i ri = 0.
12.2 Los siguientes datos son las estaturas x en cm. y los pesos y en kg. de una muestra
de estudiantes. Hallar un intervalo de predicci
on de nivel 0.90 para los pesos de las
estudiantes con estatura 170 cm.
x 169.6 166.8 157.1 181.1 158.4 165.6 166.7 156.50 168.1 165.3
y 71.2 58.2 56.0 64.5 53.0 52.4 56.8 49.20 55.6 77.8
12.3 En el ejemplo 12.B, calcular intervalos de confianza de nivel 0.95 para (a) la pendiente
(b) la varianza del error (c) la media de la dispersi
on correspondiente a 50 minutos.
12.4 En el modelo de recta por el origen, deducir la f

ormula para los intervalos de predicci
on.
Aplicarla al ejemplo 12.B para x0 = 50 minutos.

.002

ri

0 . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..

-.002

log(xi )
0.7 0.8
Figura 12.8: Residuos vs. log-longitud de otolitos
12.5 Probar que si Y = g(X) + U con X y U independientes y E U = 0, y g cualquier

on, es E(Y |X) = g(X).
funci
12.6 Probar que bajo el modelo (12.26) con (12.27) y (12.16):
a. Para j = 0, 1 es D(j |X = x) = N(j , vj ), donde v0 y v1 son los segundos

miembros de (12.21) y (12.19) respectivamente
b. Por lo tanto, E j = j , j = 0, 1
c. Si Xi N(0, 1), es D(1 /2 ) = tn1 .
12.7 La tabla 12.6 [13] muestra para cada a no el n`

umero de aparatos de radio vendidos
en Gran Bretana (en miles) y la cantidad estimada de deficientes mentales por 10000
habitantes.
a. Grafique los datos. Calcule su correlaci

on.
b. Se puede concluir que las radios inglesas provocan deficiencia mental?.
c. Hay alguna otra explicaci
on para la correlaci
on observada?.
12.8 En una reacci on qumica, la proporci

on V de volumen de nitr
ogeno liberada hasta el
on V = t . Estimar con los datos de la tabla 12.7.
instante t sigue la relaci
Tabla 12.6: Radios y deficiencia mental
Ano Radios Deficientes

1924 1350 8
1925 1960 8
1926 3270 9
1927 2483 10
1928 2730 11
1929 3091 11
1930 3647 12
1931 4620 16
1932 5497 18
1933 6260 19
1934 7012 20
1935 7618 21
1936 8131 22
1937 8593 23
Tabla 12.7: Reacci

on vol de nitrogeno
tiempo volumen tiempo volumen

0.200 0.133 2.250 0.776
0.570 0.323 2.630 0.826
0.920 0.468 3.050 0.862
1.220 0.555 3.600 0.906
1.550 0.637 4.770 0.959
1.900 0.716 5.850 0.983
12.9 Obtener el EMV en el modelo de recta por el origen con varianzas distintas: Yi =
xi +Ui con Ui N(0, i2 ) donde i2 = ki con desconocida y ki conocidas (cuadra-
dos mnimos ponderados). Hacerlo en particular para (a) ki = |xi | y (b) ki = x2i .
12.10 La presion de disociacion p para una reaccion del nitrato de bario depende de la
temperatura absoluta t seg un la relaci
on p = exp(a + b/t). Con los datos de la tabla
12.8 [14] estimar a y b y sus errores standard. Examinar los residuos.
12.11 La tabla 12.9 da una serie de mediciones realizadas en los Alpes a distintas al-
on del agua en 0 C (x) y presi
turas: temperatura de ebullici on atmosferica en mm.
de mercurio (y).
a. Ajuste una recta y haga el gr
afico de residuos vs. predictores Nota algo en
particular?.
Tabla 12.8: Nitrato de bario
Temp. Presi
on Temp. Presi
on
748 0.48 1025 710
770 0.92 1030 1040
795 1.64 1048 1230
844 7.87 1082 2360
874 19.0 1112 3980
927 80.0 1133 5230
958 168.0 1135 5810
1000 490.0 1150 7240
b. Reptalo usando log y en vez de y. Queda mejor?.

c. Haga el diagrama normal de los residuos. Hay alguna observaci
on sospechosa?.
Tabla 12.9: Temperatura y punto de ebullici

on
x y x y
90.28 519.75 94.06 600.25
90.17 519.75 95.33 628.50
92.17 560.00 95.89 664.25
92.44 566.75 98.61 712.25
93.00 578.75 98.11 694.00
93.28 583.75 99.28 726.00
93.83 597.25 99.94 749.50
93.94 599.75 100.11 751.50
94.11 600.50
12.12 Los datos de la tabla 12.10 son los caudales medios de un ro, medidos en dos puntos
diferentes (x corresponde a aguas arriba de y).
a. Ajustar una recta para predecir y en funci
on de x, y graficar residuos vs. pre-
dictores. Se observa algo llamativo?.
b. Repetir el an
alisis sin la u
ltima observaci
on. Que se ve ahora?.
Tabla 12.10: Caudales
x y x y
17.60 15.70 32.60 24.90
20.90 18.00 33.40 26.10
21.60 19.90 35.10 27.60
26.00 23.40 37.00 26.10
27.10 19.70 38.70 31.30
27.60 23.10 77.60 44.90
27.80 23.80
Ap
endice A
TABLAS
Aproximaciones para los cuantiles

Las siguientes aproximaciones permiten calcular las funciones de distribuci
on y los cuantiles
de 2 y t, y los cuantiles de N(0, 1). Para quien trabaja con una calculadora, son u tiles
para situaciones fuera del alcance de las tablas; paa quien dispone de una computadora,
permiten prescindir de tablas.
Normal
La siguiente aproximaci
on para los cuantiles z de N(0, 1) [10, Cap. 10] tiene un error
menor que 1.3 104 para 107 < < 0.5:
1/2
{(4y + 100)y + 205}y 2
z1 ,
{(2y + 56)y + 192}y + 131
donde y = ln(2) (logaritmo natural!).
Chi-cuadrado
Si Z 2m , las variables

X= 2Z
2m 1,
1/3
Z 2 9m
X= 1 ,
m 9m 2
son aproximadamente N(0, 1) para m grande. Esto se puede usar para aproximar la funci
on
de distribuci
on. La segunda aproximaci
on llamada de Wilson-Hilferty es mucho m as
165
166
APENDICE A. TABLAS
precisa que la primera. Despejando Z en funci on de X se tienen aproximaciones para los

cuantiles de la 2 en funci
on de los de la N(0, 1):
1! "2
2m, z + 2m 1 ,
2
3
2 2
2m, m z +1 .
9m 9m
Student
Los cuantiles de tm se pueden aproximar para m grande con la f
ormula de Peiser:

1 + z2
tm, z 1 + .
4m
Para aproximar la funci on: si T tm , entonces

on de distribuci
1/2
1 1/4m
X=T
1 + T 2 /2m
es aproximadamente N(0, 1).

167
Tabla A.1: Funci

on de distribuci
on normal (z)
z .0 .01 .02 .03 .04 .05 .06 .07 .08 .09

.0 .500 .503 .507 .511 .515 .519 .523 .527 .531 .535
.1 .539 .543 .547 .551 .555 .559 .563 .567 .571 .575
.2 .579 .583 .587 .590 .594 .598 .602 .606 .610 .614
.3 .617 .621 .625 .629 .633 .636 .640 .644 .648 .651
.4 .655 .659 .662 .666 .670 .673 .677 .680 .684 .687
.5 .691 .694 .698 .701 .705 .708 .712 .715 .719 .722
.6 .725 .729 .732 .735 .738 .742 .745 .748 .751 .754
.7 .758 .761 .764 .767 .770 .773 .776 .779 .782 .785
.8 .788 .791 .793 .796 .799 .802 .805 .807 .810 .813
.9 .815 .818 .821 .823 .826 .828 .831 .833 .836 .838
1.0 .841 .843 .846 .848 .850 .853 .855 .857 .859 .862
1.1 .864 .866 .868 .870 .872 .874 .876 .878 .880 .882
1.2 .884 .886 .888 .890 .892 .894 .896 .897 .899 .901
1.3 .903 .904 .906 .908 .909 .911 .913 .914 .916 .917
1.4 .919 .920 .922 .923 .925 .926 .927 .929 .930 .931
1.5 .933 .934 .935 .936 .938 .939 .940 .941 .942 .944
1.6 .945 .946 .947 .948 .949 .950 .951 .952 .953 .954
1.7 .955 .956 .957 .958 .959 .959 .960 .961 .962 .963
1.8 .964 .964 .965 .966 .967 .967 .968 .969 .969 .970
1.9 .971 .971 .972 .973 .973 .974 .975 .975 .976 .976
2.0 .977 .977 .978 .978 .979 .979 .980 .980 .981 .981
2.1 .982 .982 .982 .983 .983 .984 .984 .984 .985 .985
2.2 .986 .986 .986 .987 .987 .987 .988 .988 .988 .988
2.3 .989 .989 .989 .990 .990 .990 .990 .991 .991 .991
2.4 .991 .992 .992 .992 .992 .992 .993 .993 .993 .993
2.5 .993 .993 .994 .994 .994 .994 .994 .994 .995 .995
2.6 .995 .995 .995 .995 .995 .995 .996 .996 .996 .996
2.7 .996 .996 .996 .996 .996 .997 .997 .997 .997 .997
2.8 .997 .997 .997 .997 .997 .997 .997 .997 .998 .998
2.9 .998 .998 .998 .998 .998 .998 .998 .998 .999 .999
168
APENDICE A. TABLAS
Tabla A.2: Cuantiles z de la N(0, 1)
z z z z z z
0.50 0.000 0.60 0.253 0.70 0.524 0.80 0.841 0.90 1.282 0.991 2.366
0.51 0.025 0.61 0.279 0.71 0.553 0.81 0.878 0.91 1.341 0.992 2.409
0.52 0.050 0.62 0.305 0.72 0.582 0.82 0.915 0.92 1.405 0.993 2.458
0.53 0.075 0.63 0.331 0.73 0.612 0.83 0.954 0.93 1.476 0.994 2.513
0.54 0.100 0.64 0.358 0.74 0.643 0.84 0.994 0.94 1.555 0.995 2.576
0.55 0.125 0.65 0.385 0.75 0.674 0.85 1.036 0.95 1.645 0.996 2.652
0.56 0.151 0.66 0.412 0.76 0.706 0.86 1.080 0.96 1.751 0.997 2.748
0.57 0.176 0.67 0.439 0.77 0.739 0.87 1.126 0.97 1.881 0.998 2.879
0.58 0.202 0.68 0.467 0.78 0.772 0.88 1.175 0.98 2.054 0.999 3.091
0.59 0.227 0.69 0.495 0.79 0.806 0.89 1.227 0.99 2.327 0.9995 3.291
169
Tabla A.3: Cuantiles 2m, de la chi-cuadrado

m .005 .010 .025 .050 .100 .900 .950 .975 .990 .995
1 .00004 .00016 .00098 .004 .016 2.706 3.843 5.025 6.636 7.881
2 .010 .020 .050 .102 .210 4.605 5.991 7.377 9.210 10.60
3 .071 .114 .215 .351 .584 6.251 7.814 9.348 11.34 12.83
4 .206 .297 .484 .710 1.063 7.779 9.487 11.14 13.27 14.86
5 .411 .554 .831 1.145 1.610 9.236 11.07 12.83 15.08 16.74
6 .675 .872 1.237 1.635 2.204 10.64 12.59 14.44 16.81 18.54
7 .989 1.239 1.689 2.167 2.833 12.01 14.06 16.01 18.47 20.28
8 1.344 1.646 2.179 2.732 3.489 13.36 15.50 17.53 20.09 21.95
9 1.735 2.087 2.700 3.325 4.168 14.68 16.91 19.02 21.66 23.58
10 2.155 2.558 3.247 3.940 4.865 15.98 18.30 20.48 23.20 25.18
11 2.603 3.053 3.815 4.574 5.577 17.27 19.67 21.91 24.72 26.75
12 3.073 3.570 4.404 5.226 6.303 18.54 21.02 23.33 26.21 28.29
13 3.565 4.106 5.008 5.892 7.041 19.81 22.36 24.73 27.69 29.81
14 4.074 4.660 5.629 6.571 7.789 21.06 23.68 26.11 29.14 31.31
15 4.601 5.229 6.261 7.260 8.546 22.30 24.99 27.48 30.57 32.79
16 5.142 5.812 6.907 7.961 9.312 23.54 26.29 28.84 32.00 34.26
17 5.697 6.408 7.564 8.672 10.12 24.80 27.59 30.19 33.41 35.72
18 6.264 7.014 8.231 9.390 10.86 25.98 28.86 31.52 34.80 37.15
19 6.844 7.633 8.907 10.12 11.73 27.19 30.14 32.85 36.19 38.58
20 7.433 8.259 9.590 10.85 12.44 28.41 31.41 34.16 37.56 39.99
22 8.641 9.542 10.98 12.33 14.04 30.81 33.91 36.77 40.28 42.79
25 10.51 11.52 13.11 14.61 16.47 34.38 37.64 40.64 44.31 46.92
30 13.78 14.95 16.79 18.49 20.59 40.25 43.77 46.97 50.89 53.66
170
APENDICE A. TABLAS
Tabla A.4: Cuantiles tm, de la distribuci

on de Student

.80 .90 .95 .975 .99 .995
1 1.376 3.077 6.314 12.70 31.82 63.65
2 1.060 1.885 2.919 4.302 6.964 9.925
3 .978 1.637 2.353 3.182 4.540 5.841
4 .940 1.533 2.131 2.776 3.747 4.604
5 .919 1.475 2.015 2.570 3.364 4.031
6 .905 1.439 1.943 2.446 3.142 3.707
7 .895 1.414 1.894 2.364 2.997 3.499
8 .888 1.396 1.859 2.306 2.896 3.355
9 .883 1.383 1.833 2.262 2.821 3.250
10 .879 1.372 1.812 2.228 2.763 3.169
11 .875 1.363 1.795 2.201 2.718 3.105
12 .872 1.356 1.782 2.178 2.681 3.054
13 .870 1.350 1.771 2.160 2.650 3.012
14 .868 1.345 1.761 2.144 2.624 2.976
15 .866 1.340 1.753 2.131 2.602 2.946
16 .864 1.336 1.745 2.119 2.583 2.920
18 .862 1.330 1.734 2.100 2.552 2.878
20 .859 1.325 1.724 2.085 2.528 2.845
22 .858 1.321 1.717 2.073 2.508 2.818
25 .856 1.316 1.708 2.059 2.484 2.787
30 .853 1.310 1.697 2.042 2.457 2.750
.842 1.282 1.645 1.960 2.326 2.576
Bibliografa
[1] Best, D. y Rayner, J. (1987), Welchs Approximate Solution for the Behrens-Fisher
Problem, Technometrics, vol. 29, pp. 205-210.
[2] Bickel, P. y Doksum, K. (1976), Mathematical Statistics, Holden-Day.
[3] Bloch, A. (1987), Ley de Murphy y Otras Razones Porque las Cosas Salen Mal,
Editorial Diana.
[4] Blyth, C. (1986), Approximate Binomial Confidence Limits, Journal of the Ameri-
can Statistical Association, vol. 81, pp. 843-855.
[5] Box, G., Hunter, W. y Hunter, J. (1978) Statistics for Experimenters, John Wiley
and Sons.
[6] Draper, N. y Smith, H. (1981) Applied Regession Analysis, 2a Edici
on, John Wiley
and Sons.
[7] Feller, W. (1980), Introducci
on a la Teora de Probabilidad y sus Aplicaciones,
Limusa.
[8] Hald, A. (1986), Galileos Statistical Analysis of Astronomical Observations, Inter-
national Statistical Review, vol. 54, pp. 211-220.
[9] Hoaglin, D., Mosteller, F. y Tukey, J. (1983), Understanding Robust and Exploratory
Data Analysis, John Wiley and Sons.
[10] Hoaglin, D., Mosteller, F. y Tukey, J. (1985), Exploring Data Tables, Trends, and
Shapes, John Wiley and Sons.
[11] Jacovkis, P.M. (1995), Computaci
on, Azar y Determinismo, Ciencia Hoy, vol. 5,
No. 28, pp. 44-50.
[12] Knuth,D. (1969), The Art of Computer Programming, Addison-Wesley.
[13] Montgomery, D. y Peck, E. (1982), Linear Regression Analysis, John Wiley and Sons.
[14] Rice, J.A. (1995), Mathematical Statistics and Data Analysis, Duxbury Press.
171
172 BIBLIOGRAFA
[15] Ripley, B.D. (1987) Stochastic Simulation, John Wiley and Sons.
[16] Ross, S. (1987) , Introduction to Probability and Statistics for Engineers and Scien-
tists, John Wiley and Sons.
[17] Scheffe, H. (1967) The Analysis of Variance, John Wiley and Sons.
[18] Shah, I. (1993) Las Andanzas del Incomparable Mulah Nasruddin, Editorial Paid
os.
[19] Staudte, R y Scheater, S. (1990) Robust Estimation and Testing, John Wiley and
Sons.
[20] Stigler, S. (1977), Do Robust Estimators Deal with Real Data?, The Annals of
Statatistics, vol. 5, pp. 1055-1098.
[21] Weisberg, S. (1980), Applied Linear Regression, John Wiley and Sons.
INDICE ALFABETICO
aditividad finita 6 por continuidad 87
agrupados (datos) 98 de Shepard 99
alternativa 134 correlaci
on 53, 79
aproximaci on muestral 156
a los cuantiles de la normal 165 covarianza 52
normal a la distribucion: cuantiles 56
binomial 86,92 muestrales 97
chi-cuadrado 132, 165 cuartiles 57
de Poisson 87, 90 cumplea nos 9
de Student 166
de Poisson a la binomial 21 densidad 31
asimetra 59 conjunta 38
asociacion de eventos 14 desigualdad
de Bonferronni 9
censura 34 de Chebychev 52
cociente de variables 66 de Markov 48
normales 70 desviaci on
coeficiente absoluta 58
de determinaci on 148 mediana 58
de variacion 51 tpica 51
combinaciones 7 diagrama
comparaci on de cuantiles 100, 101
de dos binomiales 141 de caja 97
de muestras apareadas 129 de residuos 157
de muestras independientes 127, 128 de tallo y hoja 96
conjunto cerrado 142 distancia intercuartiles 58
consistencia 111 distribucion
convergencia binomial 20, 29, 49, 54
debil 86 binomial negativa 30, 40, 44
en probabilidad 83 de Cauchy 42, 43, 65, 70
en distribucion 86 chi-cuadrado 119
convoluci on 64 doble exponencial 70
coordenadas polares 68 exponencial 32, 49, 108
correccion Gama 33
173
174 INDICE ALFABETICO
geometrica 30, 43, 50, 55 de mnima varianza 66

hipergeometrica 30, 56, 106 robusto 113
lognormal 42, 88 eventos 5
multinomial 38
normal 32, 50, 55, 112 falacia de la regresi
on 80
normal bivariada 75 falsos positivos 16
de Pareto 115 falta de memoria
de Poisson 30, 50, 55 en tiempos de espera 17
de Rayleigh 71 en el esquema de Bernouilli 40
de Student 121 en el proceso de Poisson 67
uniforme 32, 109 familia de escala/posicion 36
uniforme bivariada 38 frecuencia relativa 6
uniforme discreta 31 funcion
de Weibull 33, 36, 43, 103 de frecuencia 29, 37
distribuci
on de distribuci
on 27, 37
discreta 29 condicional 74
(absolutamente) continua 31 de verosimilitud 107
condicional 73
Galileo 152
conjunta 37, 38
Gauss 112
marginal 39
generador 36, 41
de la normal 71
Gosset 122
muestral 95
hip
otesis nula 134, 142
ecuaciones normales 146, 149 histograma 99
error en predictores 157
error medio cuadr atico iid 107
de prediccion 78 incorreladas 52
de un estimador 105, 110 independencia
errores de tipo I y II 134 de eventos 14, 18, 19
espacio de probabilidad 4 de variables 40, 41
esperanza matem atica 45 indicador 29
esquema de Bernouilli 20 inferencia 105
estadstico intervalos de confianza 117
de orden 96 de longitud mnima 122
de Student 121 para la binomial 123
de un test 135 para la exponencial 120
estimaci on de par
ametros para la media de la normal 121
de la exponencial 108 para la Poisson 125, 132
de la hipergeometrica 106 para el proceso de Poisson 125
de la Poisson 109 robustos 123
de la uniforme 109 para la varianza de la normal 120,
estimador 105, 107 (ver metodo) 121
insesgado 110 intervalos de predicci
on 153
intervalos de tolerancia 130 par

ametros
de posici
on 57
jacobiano 67 de dispersi
on 58
juego favorable 85 partculas 16, 22
paseo al azar 25
Kolmogorov 4 permutaciones 7
pivote 118
Lagrange 146 potencia 134, 137
leyes de grandes n
umeros 84 prediccion 79, 80
probabilidad 5
maximo de variables 35, 66
condicional 13
media 45
proceso de Poisson
condicional 75
espacial 21
de un producto 48
temporal 22, 82, 109, 125
muestral 53
proceso estoc astico 39
podada 113
promedio ponderado 113
mediana 57
condicional 75, 81 recta de regresi
on 79
muestral 97 regi
on
medicion con error 112 de aceptaci
on 134
metodo de confianza 118
de Box- Muller 68 residuos 147
delta 90 resumen de 5 n umeros 97
de m axima verosimilitud 106, 107, robustez de un parametro 57
111
de mnimos cuadrados 146 sesgo 110
ponderados 162 sigma-aditividad 6
de los momentos 107, 111 simetra 36
de Monte Carlo 53 simulacion 36
mezclas 34 Slutsky 90
modelo lineal 150 suma de variables 63
momento 59 binomiales 70
monotona de la media 48 chi-cuadrado 120
movimiento browniano 87 Gama 64
muestra 107 geometricas 40
muestreo con y sin reemplazo 7, 26 normales 65
Poisson 70
Nasruddin 114
nivel tama no de muestra 137
de confianza 117 Teorema Central del Lmite 86
de un test 134 test uni- o bilateral 134
n
umeros seudoaleatorios 36 relaci
on con intervalos de confianza
136
paradoja de Simpson 10 no parametrico 140
176 INDICE ALFABETICO
robusto 140
del signo 141
tiempo de espera 16
en el esquema de Bernouilli 40, 74
en el proceso de Poisson 34, 41
transformaciones
de dos variables 67
de los par
ametros 110
de una variable 34
truncamiento 42
Tukey 96
valor p 136
valor medio 45
variable aleatoria 27
variaciones 7
varianza 51
condicional 75
muestral 95
de una suma 53
von Mises 4
Welch 129
Wiener 88
Wilson-Hilferty 165

Probabilidad y Estadistica Elementales PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilidad y Estadistica Elementales PDF

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadstica Elementales

para Estudiantes de Ciencias

Es magnfico aprender con quien no sabe.

La Plata, Octubre de 1995.

2 Probabilidad Condicional e Independencia 13

4 Valor Medio y Otros Par ametros 45

4.1.2 Media de una suma . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

5 Transformaciones de Variables Aleatorias 63

6 Distribuciones Condicionales y Predicci on 73

7.4 Convergencia en distribuci on y en probabilidad . . . . . . . . . . . . . . . . 88

9 Estimacion Puntual 105

10 Intervalos de Confianza 117

10.7 Comparaci on de dos muestras . . . . . . . . . . . . . . . . . . . . . . . . . . 126

11 Tests de Hip otesis 133

12 Ajuste de una Recta 145

INDICE ALFABETICO 173

1.1 Los axiomas

a. Realizar un tiro de ruleta y registrar el resultado

b. Arrojar un dado tres veces seguidas y anotar los resultados ordenadamente

c. Registrar la cantidad de abonados de una central telef

e. Elegir una persona al azar de entre una poblaci

El espacio de probabilidad (o espacio muestral) asociado a un experimento aleatorio, es

= {0, 1, 2, . . . , 36}; en el (b) = {(a, b, c) : a, b, c {1, . . . , 6}}. En el (c) se puede tomar

P1) 0 P(A) 1 para todo A

P3) (aditividad) A B = = P(A B) = P(A) + P(B)

Para aclarar la notacio

1.2 Experimentos con resultados equiprobables

Las situaciones mas antiguas consideradas en la Teora de Probabilidad, originadas en los

Por lo tanto, en esta situaci

card(A B) = card(A) card(B). (1.3)

y de aqu sale (1.6).

Muestreo con y sin reemplazo

Ejemplo 1.D: Si en el ejemplo anterior se extraen las manzanas en forma consecutiva

a. la sexta sea fucsia

donde k = mn(n, M ). [Sugerencia: hacerlo por inducci

2.1 Relaciones entre dos eventos

Para comprender la motivaci on de (2.1), consideremos el ejemplo de una poblaci on de

Al mismo tiempo, si se considera el experimento de elegir al azar una persona de , entonces

P(A B) = P(A|B) P(B). (2.4)

Para comprender el origen de este concepto, veamos el ejemplo anterior: si el consumo de

que tiende a 1 cuando M y N . O sea, que para M y N grandes, A y B son

Proposici on 2.3 La independencia de A y B es equivalente a la de A y B , a la de A y

Demostraci on: Comenzamos probando que la independencia de A y B implica la de A y

P(A B ) = P(A) P(A B) = P(A) P(A)P(B) = P(A)P(B ).

Aplicando este razonamiento a los eventos A y B , resulta que la independencia de A y

2.2 Modelos basados en probabilidades condicionales

Este resultado, llamado f

2.2.1 Un modelo para tiempos de espera

Invariancia: Las condiciones no cambian en el tiempo

Dado que en realidad la intensidad de la desintegraci on va decayendo en el tiempo, la

S1) P{A(s, s + t)} no depende de s

S2) Si t1 < t2 , entonces A(0, t1 ) y A(t1 , t2 ) son independientes.

g(s + t) = g(s) g(t) s, t 0. (2.9)

Ademas g(0) = 1, pues A(0, 0) = ; y g es decreciente, pues A(0, t1 ) A(0, t2 ) si t1 t2 .

g(t) = ect (2.10)

donde c es una constante positiva.

g(t + s) g(t) g(s)g(t) g(t)

para alguna constante b > 0.

Para demostrarlo, sea b = g(1). Entonces (2.9) implica por inducci

b = g(1) = g(n(1/n)) = g(1/n)n ,

y por lo tanto vale (2.12) para t de la forma t = 1/n. De aqu sale

g(m/n) = g(1/n)m = bm/n ,

lo cual verifica (2.12) para t 0 racional.

P(A1 A2 A3 ) = 0 = P(A1 )P(A2 )P(A3 ).

Se puede probar que (3.9) implica (3.8), pero la demostraci